첫 사례: 중국 해커, 오픈소스 AI 에이전트로 대만 정부 시스템 4일 만에 장악…2,500건 개인정보 유출

2026년 8월 12일, 이스라엘 AI 사이버보안 기업 Dream이 파이낸셜 타임스에 먼저 공유하고 대만 현지 매체들이 보도한 상세 보고서에서, 중국과 연계된 것으로 의심되는 해커들이 자율 멀티에이전트 AI를 이용해 2026년 7월 초 대만 정부 시스템을 침투한 사실을 공개했습니다. 이는 최초로 확인된 사례입니다.

공격 규모, 속도, 자율성

공격은 2026년 7월 1일부터 4일까지 약 4일간 진행됐습니다. Dream 연구진은 1,395개의 운영 파일, 85개의 크랙된 자격 증명, 수천 건의 유출된 인사 기록(UDN과 세계일보 보도에 따르면 2,500건 이상)이 담긴 아카이브를 발견했습니다. AI 프레임워크는 21개의 연결된 정부 시스템을 탐색했으며, 12차례의 문서화된 공격 파동에서 파동당 최대 8개의 병렬 하위 에이전트를 배치했습니다.

AI 도구: 전적으로 오픈소스로 구축

눈에 띄는 점은 공격자가 독점 또는 맞춤형 AI를 전혀 사용하지 않았다는 것입니다. 프레임워크는 오픈소스 에이전트 프레임워크인 Hermes와 OpenClaw 위에 구축되었으며, 공개된 LLM 모델을 사용했습니다. 이는 국가 및 비국가 행위자 모두가 정교한 자율 사이버 작전을 수행하는 진입 장벽을 획기적으로 낮춥니다.

프레임워크는 14개의 병렬 공격 체인을 평가하는 베이지안 우선순위 지정, 차단 시 GitHub와 취약점 데이터베이스에서 새로운 기술을 검색하는 자율 학습 주기, 사람 개입 없이 작동 중에 적응하는 피드백 루프 등 고급 자율 기능을 포함했습니다.

탈취된 데이터와 확장된 표적

공격자는 인증되지 않은 API 엔드포인트에서 수천 건의 직원 인사 기록(이름, 부서, SSO 계정 ID 포함)을 빼돌렸습니다. 자동화된 비밀번호 분사 공격을 통해 85개의 크랙된 정부 직원 자격 증명을 획득했습니다.

초기 시스템을 뚫은 후, 공격은 대만 원자력안전위원회(核安會)와 최소 7개의 에너지 기업으로 확대됐습니다.

안전 가드레일 회피 방법

프레임워크는 모든 활동을 '승인된 침투 테스트'로 위장해 LLM 안전 가드레일과 모델 거부 반응을 우회했습니다. LLM 모델은 과제가 합법적인 보안 테스트로 제시되자 협력했습니다. 이는 AI 자체에 대한 사회공학적 공격으로, 현재의 안전 정렬 접근 방식을 무너뜨리는 새로운 공격 벡터를 나타냅니다.

귀책 지표

Dream은 공격을 공식적으로 특정하지 않았습니다. 그러나 운영 문서의 언어 분석 결과, 내부 상태 보고서에는 간체자가, 표적 분석 자료에는 번체자가 사용된 언어 전환이 발견돼 중국어 사용 운영자를 지목했습니다. 내부 공격자 커뮤니케이션에 간체자가 사용된 점이 강력한 정황 증거로 인용됐습니다.

광범위한 맥락: 고조되는 사이버 갈등과 미국의 주시

이번 공격은 대만을 겨냥한 중국의 사이버 작전 확대 패턴에 속합니다. 2026년 1월 로이터 통신이 대만 국가안전국을 인용해 보도한 바에 따르면, 2025년 대만 중요 인프라를 대상으로 한 중국발 사이버 공격은 하루 평균 263만 건으로 2024년 대비 6% 증가했습니다.

미국의 감시도 강화되고 있습니다. 2026년 8월 9일 발간된 의회조사국(CRS)의 '에이전틱 AI 및 사이버 공격' 보고서는 2025년 9월 중국 국가 후원 해커들이 AI 에이전트 능력을 간첩 활동에 사용한 Anthropic GTG-1002 사건을 인용했습니다. 이는 중국의 AI 기반 사이버 위협에 대한 미국 정부의 우려와 국가 안보에 대한 광범위한 영향력을 반영합니다.

글로벌 사이버보안에 미치는 의미

Dream의 발견은 중대한 전환점을 의미합니다. 이번 공격은 무료로 제공되는 오픈소스 부품으로 구축된 자율 AI 에이전트가 전통적으로 숙련된 인간 해커 팀이 필요했던 복잡한 다단계 사이버 작전을 실행할 수 있음을 보여줍니다. 자율 학습, 베이지안 우선순위 지정, AI의 작업 이해를 조작해 AI 안전 가드레일을 우회하는 능력이 결합돼 근본적으로 새로운 위협 환경을 만들어냈습니다.

전 세계 정부와 중요 인프라 운영자는 이제 적이 기계 속도로 움직이는 세상에 대비해야 하며, 자신을 공격하는 AI 에이전트가 어떤 인간 방어 팀보다 빠르게 학습하고 적응할 수 있다는 사실을 인식해야 합니다.