딥시크는 어떻게 중국 연계 해커들의 공격을 확장했나

대만의 사이버 위협 인텔리전스 기업 TeamT5는 중국 정부와 연계된 것으로 분류되는 일부 해킹 조직이 딥시크(DeepSeek)와 다른 오픈소스 AI 모델을 작전 과정에 도입한 뒤 공격량을 2배 이상 늘렸다고 분석했다. 핵심은 AI가 모든 침입을 자율적으로 수행했다는 데 있지 않다. 정찰과 코드 작성처럼 반복적인 업무를 AI에 맡기면서 기존 공격자들이 더 많은 표적을, 더 적은 비용으로 상대할 수 있게 됐다는 의미다. 457

AI는 ‘해커를 대체하는 기술’보다 ‘공격 증폭기’에 가깝다

TeamT5는 최근 캠페인에서 확보한 스크립트와 로그를 바탕으로 AI가 공격의 여러 단계에 관여한 흔적을 추적했다. 여기에는 표적 정찰, 취약점 탐색, 익스플로잇 개발, 악성코드 관련 작업, 네트워크 침투 이후의 활동이 포함됐다. 다만 조사 자료만으로 각 사건에 사용된 AI 모델을 항상 정확히 특정할 수 있는 것은 아니라고 경고했다. 47

따라서 ‘공격량이 2배 이상 증가했다’는 수치는 중국과 연관된 모든 사이버 공격을 집계한 공식 통계가 아니다. TeamT5가 조사한 조직과 캠페인에서 관찰한 증가 폭에 대한 평가다. 또한 공격 시도 횟수가 늘었다고 해서 성공적인 침해나 피해 규모도 같은 비율로 증가했다고 단정할 수 없다. 57

가장 분명한 변화는 공격 과정의 산업화다. AI가 정보 수집과 초안 작성 등 손이 많이 가는 업무를 처리하면 공격자는 같은 시간에 더 많은 대상을 조사하고, 공격 도구를 더 빠르게 준비할 수 있다.

딥시크가 선호된 이유

TeamT5의 분석에 따르면 딥시크는 사이버 작전에 활용하기에 다음과 같은 실용적 조건을 갖춘 것으로 평가됐다.

• 충분한 성능: 조사, 코딩, 작전 지원 업무에 활용할 수 있는 수준
• 낮은 비용: 반복 작업이나 대규모 사용에 유리
• 높은 맞춤화 가능성: 오픈소스 모델의 특성상 특정 목적에 맞게 조정하기 쉬움
• 상대적으로 약한 사이버 안전장치: 유해한 요청을 얻거나 변형하는 데 필요한 우회 작업이 적음 27

이 때문에 가장 성능이 높은 모델이 공격자에게 반드시 가장 유용한 것은 아니다. TeamT5가 전한 평가에서는 문샷(Moonshot)의 Kimi K3처럼 더 강력한 모델은 비용이 높고 안전장치가 더 엄격해 작전상 매력이 떨어질 수 있는 것으로 분석됐다. 다만 현재 공개된 보도만으로는 TeamT5가 검토한 사건에 Kimi K3가 실제 사용됐다고 확인할 수 없다. 7

실제로 어떻게 사용됐나

TeamT5는 공격 단계별로 서로 다른 AI 활용 사례를 제시했다.

Grimfengxi: 취약점 공격 코드 생성

Grimfengxi는 딥시크를 이용해 취약점 악용 코드를 만든 것으로 알려졌다. 이는 단순한 정보 검색을 넘어 특정 시스템의 약점을 공격하는 코드를 작성하는 데 AI가 동원됐다는 의미다. 7

Teleboyi: 인터넷 정찰 자동화

Teleboyi는 딥시크를 활용해 인터넷에서 약 1,000개의 IP 주소를 수집하고, 표적 조직의 도메인을 파악한 것으로 전해졌다. 이는 침입 전에 잠재적 피해자의 인프라 구조를 그리는 정찰 단계다. 다만 IP 주소와 도메인을 매핑했다는 사실만으로 실제 침해가 성공했다고 볼 수는 없다. 7

Huapi: 대만 기업 이메일 시스템 공격

Huapi는 중국산 AI 모델을 이용해 대만 기업의 이메일 시스템을 공격한 것으로 분석됐다. TeamT5는 해당 모델이 딥시크일 가능성이 높다고 봤지만, 결정적으로 확인하지는 못했다. 공격 코드나 행동 양식만으로 사용된 모델을 확정하기 어려운 경우가 많다는 점을 보여주는 사례다. 7

Slime22: 침투 후 네트워크 내부 이동

AI 활용은 중국산 오픈소스 모델에만 국한되지 않았다. TeamT5 관련 보도에 따르면 Slime22는 대만 기술기업에 침투한 뒤 침투 테스트 플랫폼인 칼리 리눅스(Kali Linux)를 설치하고, 앤스로픽의 Claude Code를 이용해 네트워크 내부의 측면 이동을 지원받은 것으로 전해졌다. 공격자들은 안전장치를 피하기 위해 해당 작업을 승인받은 엔지니어링 테스트인 것처럼 제시한 것으로 알려졌다. 7

이 사례는 방어팀이 특정 모델이나 특정 국가에서 개발된 AI만 감시해서는 충분하지 않다는 점을 보여준다. 공격자는 작업별로 로컬에서 실행하는 오픈소스 모델과 상용 AI 도구를 섞어 사용할 수 있다.

중국 스타트업부터 북한 연계 조직까지

TeamT5는 AI를 활용한 침입 작전을 둘러싼 더 넓은 생태계도 언급했다. 직원 약 10명 규모의 한 중국 스타트업이 최소 4개 해킹 조직에 침입 소프트웨어를 판매했으며, 가격은 30만50만 위안(약 4만4,5007만4,000달러)으로 알려졌다. 한 공격에서는 챗GPT가 사용된 정황도 보고됐다. 7

북한 연계 해킹 조직 킴수키(Kimsuky) 역시 로컬 환경에서 실행하는 AI 모델을 시험한 것으로 전해졌다. 로컬 모델은 외부 서비스에 대한 의존도를 낮추고 모델과 데이터에 대한 통제력을 높일 수 있지만, 실제 작전에서 얼마나 효과적이었는지는 공개된 자료만으로 확인하기 어렵다. 7

앤스로픽도 AI가 정교한 사이버 범죄에 필요한 기술적 진입장벽을 낮출 수 있다고 별도로 보고했다. 기술 역량이 제한적인 행위자도 과거라면 훨씬 많은 경험과 전문성이 필요했던 공격을 수행할 수 있다는 설명이다. 이는 위험의 핵심이 단 하나의 ‘초인적 해커 AI’에만 있는 것이 아니라, 일반적인 공격자들이 코딩과 정찰, 작업 자동화에 더 쉽게 접근하게 되는 데 있을 수 있음을 시사한다.

오픈AI는 자사 모델의 악용 시도를 식별하고, 차단하며, 중단하기 위해 노력하고 있다고 밝혔다. 7

이번 분석이 보여주는 것과 보여주지 않는 것

TeamT5의 조사 결과는 저비용·맞춤형 AI가 기존 위협 행위자의 업무 흐름을 가속하고, 공격 시도 규모를 키울 수 있다는 점을 보여준다. 그러나 딥시크가 보고된 모든 침입을 인간의 개입 없이 수행했다는 증거는 아니다.

특히 다음 세 가지 한계를 함께 봐야 한다.

1. 모델 식별은 불완전하다. 모든 스크립트와 명령, 침입 사건을 특정 AI 시스템과 확실히 연결할 수는 없다. 47
2. 공격량과 침해 성공은 다르다. 시도 횟수가 많아졌다는 사실만으로 실제 피해를 입은 표적이 늘었거나 피해 규모가 같은 비율로 커졌다고 판단할 수 없다.
3. 관찰된 조직과 캠페인에 한정된 결과다. ‘2배 이상’이라는 수치는 중국 정부 연계 사이버 활동 전체를 측정한 결과가 아니라 TeamT5가 조사한 사례에 대한 평가다. 7

결국 이번 분석의 결론은 ‘완전 자율 해킹’이라는 자극적인 전망보다 좁지만 훨씬 현실적이다. 값싸고 조정하기 쉬운 AI가 정찰, 코드 생성, 침투 후 작업 같은 공격 과정의 일부를 대량 처리할 수 있게 만들고 있다는 것이다. 방어 조직은 딥시크 하나에만 초점을 맞추기보다 여러 종류의 모델이 공격자의 정보 수집과 코드 작성, 침투 이후 활동을 가속할 수 있다는 전제에서 대응해야 한다.