온라인 데이터가 곧 비즈니스의 전부인 디지털 시대, 우리는 대부분의 귀중한 정보를 컴퓨터에 저장해 두고 있습니다. 이러한 환경에서는 단 한 번의 멀웨어(악성코드) 공격만으로도 저장된 정보 전체가 순식간에 훼손될 수 있습니다. 그렇다면 랜섬웨어나 봇넷 공격으로부터 핵심 시스템을 효율적으로 지킬 수 있는 신뢰할 만한 선택지가 있을까요? 아마도 답은 '그렇다'입니다. 인공지능(AI) 기술이 세계를 빠르게 장악하며 악성코드 없는 미래를 약속하고 있기 때문입니다.
다만 머신러닝 기반 사이버 보안에는 하나의 단점이 있습니다. 바로 대량의 데이터를 필요로 한다는 점입니다. 즉, AI는 방대하고 복잡한 오픈소스 데이터를 충분히 갖춘 컴퓨팅 환경에서만 효율적으로 작동합니다. 데이터가 확보되면 머신러닝은 알고리즘을 통해 거대한 데이터의 복잡성을 해결해 나갑니다.
작동 방식
사이버 보안 영역에서 인공지능과 머신러닝은 다양한 보안 문제를 효율적으로 처리하는 동시에 악성코드까지 정확하게 탐지합니다. 덕분에 우리는 기존 백신 프로그램에 의존해 멀웨어 위협에 대응하던 방식에서 벗어나, 훨씬 더 안정적인 대안으로 나아갈 수 있습니다. 두 기술이 결합하면 공격에 대한 저항력이 강화된 시스템이 만들어집니다. 기존 시스템이 공격에 대한 방벽을 세우고 끊임없이 바이러스를 찾아내는 데 그친다면, 새로운 시스템은 그 이상의 능력을 발휘합니다.
AI 사이버 보안은 무한한 업데이트에 의존하는 대신 악성 파일을 즉시 탐지하는 방식으로 작동합니다. 프로세스는 악성 파일과 정상 파일 등 모든 종류의 파일을 저장하는 것에서 시작됩니다. 그다음 인공지능과 머신러닝 기술을 활용해 악성 파일을 정상 파일로부터 분류해 냅니다. 이후 후속 조치를 위해 각 파일을 정밀하게 분류하는 알고리즘이 생성됩니다.
그럼 인공지능과 머신러닝 기반 기기 및 모델 분야의 최신 사이버 보안 발전 현황을 살펴보겠습니다.
EMBER
EMBER(Endgame Malware Benchmark for Research, 연구용 엔드게임 멀웨어 벤치마크)는 사이버 보안 기업 엔드게임(Endgame)이 최근 공개한 데이터셋입니다. 여기에는 수백만 개의 악성 및 무해한 윈도우 포터블 실행 파일(PE 파일)이 포함되어 있으며, 특히 멀웨어가 쉽게 은신할 수 있는 형태의 파일들도 함께 제공됩니다. 회사 측은 컴퓨터의 제한된 데이터셋으로도 작동하는 AI 소프트웨어를 함께 개발했다고 밝혔습니다.
본질적으로 EMBER는 자동화된 사이버 보안 프로그램을 지원하는 역할을 합니다. 일반적으로 원본 형태의 파일들을 함께 보관하면 감염 위험에 노출되기 쉽습니다. EMBER는 각 파일의 디지털 표현을 저장하고, 알고리즘에 기반해 각 파일의 특징을 분석합니다. 특정 파일에 대해 낯선 알고리즘이 탐지되면 시스템이 해당 악성 파일을 식별하는 방식입니다. 이 플랫폼은 사이버 보안 커뮤니티가 알고리즘을 완벽하게 학습시키고 더욱 유연한 멀웨어 헌팅 AI를 개발하는 데 큰 도움이 될 것입니다.
적대적 모델(Adversarial Models)
적대적 모델은 컴퓨터 오디오 및 이미지 분류기를 구동하는 인공지능을 무력화하는 것으로 잘 알려져 있으며, 멀웨어 탐지 분야에도 활용될 수 있습니다.
AI는 기업이 직면한 멀웨어 공격 위험을 상당히 낮출 수 있으며, 이는 인수합병(M&A) 과정에서 특히 중요합니다. 이러한 절차에는 재무 실사뿐 아니라 기술 및 보안에 대한 철저한 검토도 필요합니다. 이는 시스템 인벤토리를 꼼꼼히 점검하여 멀웨어 감염 여부, 감염 수준, 시스템에 내재된 위험의 크기를 파악함으로써 가능합니다.
이것이 비즈니스에 중요한 이유는, 감염 사실이 확인되면 기업이 인수합병이나 기타 거래의 조건을 재협상할 수 있기 때문입니다. 멀웨어 위험이 발견되면 매각 가격을 낮추는 협상 카드로 활용할 수 있고, 동시에 AI 기반 솔루션으로 문제를 신속하게 해결할 수 있습니다.
모든 발전의 핵심 아이디어는 명확합니다. 만약 AI를 멀웨어에 맞서는 잠재적 무기로 삼는다면, 우리가 정확히 무엇을 찾으려 하는지 먼저 정의해야 한다는 것입니다. 해커들은 탐지를 피하고 숨기 위해 코드를 끊임없이 변경하기 때문입니다. 따라서 금방 낡아버리는 시스템을 개발한다면 이 모든 노력은 헛수고로 돌아갈 수 있습니다.
마무리
인공지능과 머신러닝은 이미 사이버 보안의 판도를 바꾸고 있습니다. EMBER와 같은 오픈 데이터셋과 적대적 모델 기술은 멀웨어 탐지의 정확도를 높이고, 기업의 M&A 실사 등 실무적인 보안 대응에도 실질적인 도움을 주고 있습니다. 끊임없이 진화하는 사이버 위협에 대비하려면, 변화하는 공격 기법에 유연하게 적응할 수 있는 AI 기반 보안 체계를 꾸준히 발전시켜 나가는 것이 무엇보다 중요합니다.