​

<관련 기사>

https://n.news.naver.com/article/newspaper/020/0003752922?date=20261006

국내 금융사 7곳을 해킹한 것으로 추정되는 인공지능(AI) 침투 도구 ‘아르텍스(ARTEX)’. 아르텍스와 같은 AI 침투 도구는 인간 해커가 목표만 정해주면 직접 타깃의 약점을 파악해 침입 경로를 짜고 자료 탈취와 정리까지 끝낸다. AI가 과거 해커의 ‘보조자’에서 공격을 총괄하는 ‘사령관’으로 바뀌고 있다는 경고가 나오는 가운데, 국내 전문가들도 이번 공격의 규모와 속도가 사람의 대응 한계를 넘어섰다고 우려한다.

​

https://n.news.naver.com/article/newspaper/011/0004668276?date=20261006

금융위원회는 지난달 3일 ‘제2차 망 분리 규제 긴급 완화 조치’를 발표했다. 인공지능(AI)을 통한 보안 위협이 확대되다 보니 1차에 뽑은 신한은행과 하나은행·우리은행·한화생명·NH투자증권 등 10곳만으로는 대응이 어렵다고 봤기 때문이다. 금융위는 총자산 2조 원 이상, 종업원 수 300명 이상 금융사 가운데 약 15개사에 망 분리 규제 완화를 허용해준다고 밝혔다.

​

https://n.news.naver.com/article/newspaper/008/0005422151?date=20261006

최근 AI 해킹 공격에 국내 금융기관 7곳이 속수무책으로 당했다. 획기적인 새 해킹 기법 없이, AI를 활용해 기존 해킹 공격을 빠르게 대규모로 수행했다는 것이 특징이다. 무차별적으로 진행되는 AI의 공격을 사람이 막긴 어렵다. 보안업계는 AI 해킹을 AI로 방어해야 하고, 독자 AI 모델이 없다면 일단 오픈소스 모델을 통해서 방어체계를 구축할 필요성이 있다고 목소리를 높인다.

1. 서론: AI가 주도하는 사이버 보안의 새로운 패러다임과 금융권의 위기

​

• 2026년 10월, 대한민국 금융권은 그동안 경험하지 못한 새로운 차원의 사이버 안보 위협에 직면했다. 최근 동아일보, 서울경제신문, 머니투데이 등의 보도 기조는 현재 금융권이 처한 구조적 위기와 방어 체계의 무력함을 단적으로 대변한다. 과거 인간 해커가 수동으로 취약점을 분석하고 제한된 타깃을 공격하던 시대는 종말을 고했다. 이제는 인공지능(AI)이 해킹 작전의 '사령관(에이전트)'이 되어 목표를 설정하고, 취약점을 자율적으로 탐색하며, 보안 시스템의 차단 규칙을 우회하는 동시다발적이고 자동화된 해킹이 현실화된 것이다.

• 2026년 9월 하순부터 10월 초에 걸쳐 신한은행, KB국민은행, 하나은행 등 대형 시중은행을 필두로 저축은행, 캐피털사 등 최소 7개 이상의 금융기관이 연쇄적으로 해킹 타격권에 들었으며, 약 7만 건에 달하는 개인 및 법인 신용정보가 외부로 유출되는 초유의 사태가 발생했다. 이번 침해사고는 보안 인프라에 천문학적인 자본을 투입해 온 대형 금융회사들조차 고도화된 AI 해킹 앞에서는 속수무책일 수밖에 없음을 증명했다. 더욱이 공격의 대상이 철통같이 방어되는 핵심 '계정계(Core Banking)'가 아니라, 상대적으로 관리가 소홀한 '위성 사이트'와 주변부 응용프로그램 인터페이스(API)라는 점은 금융권 IT 자산 관리의 맹점을 여실히 드러냈다.

• 본 보고서는 최근 3개월 이내(2026년 7월~10월)의 사고 조사 결과와 당국 발표를 중심으로 2026년 10월 금융권 연쇄 해킹 사건의 기술적 메커니즘을 심층 해부한다. 특히, 'ARTEX'로 대표되는 AI 해킹 도구의 작동 원리를 분석하고, 50년 된 레거시 시스템(COBOL 등)에 의존하는 금융 IT 인프라의 구조적 모순을 지적한다. 나아가 유출된 정보가 AI 딥페이크 및 보이스피싱과 결합하여 발생할 수 있는 2차 피해의 심각성을 경고하며, 망분리 규제 완화 기조 속에서 제로 트러스트(Zero Trust) 및 AI 자율 방어 체계로의 전환을 위한 거시적, 미시적 대응 전략을 종합적으로 제시한다.

​

2. 2026년 10월 금융권 동시다발 침해사고의 전개 양상 및 분석

​

2.1. 연쇄 침해사고의 타임라인과 피해 규모의 다차원적 분석

​

• 2026년 9월 말부터 시작된 이번 해킹 공격은 제1금융권과 제2금융권의 경계를 허물고 광범위하게 진행되었다. 공격자는 각 기관의 코어 뱅킹망이 아닌, 외부와 연결된 접점(Attack Surface)을 집요하게 노렸다.

​

• 이외에도 우리은행과 NH농협은행 등 다수의 기관에 대한 외부 인가자의 동일한 침입 시도가 있었으나, 이들 기관은 자체 다중인증(MFA) 시스템과 사전에 패치된 침입방지 시스템(IPS)이 효과적으로 작동하여 실제 데이터 유출을 방어해냈다. 그러나 사태는 여기서 그치지 않고, 금융투자업권(증권사) 12곳과 보험업권 12곳에서도 유사한 시스템 접근 흔적이 추가로 파악되며 해커의 타깃이 전 금융권으로 뻗어 있음을 시사했다.

​

2.2. 주변부(DMZ) 시스템을 정조준한 비대칭 우회 공격의 의미

​

• 이번 연쇄 해킹에서 도출되는 가장 중요한 1차적 통찰은 해커가 철옹성 같은 핵심 금융거래망을 정면 돌파하려는 시도 자체를 하지 않았다는 점이다. 기존의 보안 투자는 주로 외부 인터넷망과 단절된 내부 핵심망을 보호하는 '경계 방어'에 집중되었다. 그러나 공격자들은 외부 인터넷과 내부망 사이에 위치하여 완충 지대 역할을 하는 DMZ(De-militarized Zone) 구간의 '주변부 시스템'을 정밀 타격했다.

• 대출모집인을 위한 간편조회 서비스, 외주 인력이 접속하는 영업지원시스템(ODS), 임직원의 외부 접속을 위한 모바일 업무지원 앱 등은 태생적으로 편의성을 위해 다중인증이 생략되거나 세션 검증이 미흡한 경우가 많았다. 해커는 AI를 동원하여 인터넷에 노출된 금융사의 방대한 하위 도메인과 API 엔드포인트를 무차별적으로 스캔한 뒤, 권한 검증에 허점이 있는 '약한 고리'를 찾아내 집중적인 스크래핑(Scraping) 공격을 가했다. 데이터베이스에 악성코드를 직접 주입(SQL Injection)하기보다는 정상적인 조회 화면에 무작위 대입(Credential Stuffing)을 반복하여 합법적인 트래픽으로 위장한 채 화면에 뜨는 정보를 긁어간 것이다. 이는 전통적인 시그니처 기반의 웹 방화벽(WAF)이 이들의 행위를 즉각적인 해킹으로 인지하지 못한 결정적 원인이 되었다.

​

3. "AI 지휘" 해킹의 기술적 메커니즘과 'ARTEX'의 위협

​

3.1. 보조자에서 사령관으로 진화한 AI

​

• 사이버 공격의 패러다임 변화를 이해하기 위해서는 AI의 역할 변화를 주시해야 한다. 1~2년 전만 하더라도 AI는 해커가 작성하는 악성코드의 문법을 교정해주거나 피싱 이메일을 정교하게 번역해주는 '보조자' 역할에 머물렀다. 그러나 이번 금융권 사태에서 AI는 해킹 작전 전체를 총괄하는 '사령관'으로 진화했음이 확인되었다.

• 전문가들은 "금융권까지 뚫리는 규모와 속도는 AI 외에는 설명이 안 된다"고 단언한다. 인간 해커는 며칠 밤을 새워가며 한 회사의 취약점을 분석해야 하지만, AI 에이전트는 전 세계 50여 개 기관의 수만 개 엔드포인트를 24시간 내내 동시에 스캔하고 취약점을 파악한다.

​

3.2. 자율형 침투 프레임워크 'ARTEX'의 악용과 적응형 회피 기술

​

• 조사 당국은 신한, KB국민, 하나, BNK부산은행 등 침해를 입은 기관의 웹 서버 로그를 추적한 결과, 다수의 동일 IP 대역에서 중국어 기반의 AI 자율 침투 테스트 플랫폼인 '아르텍스(ARTEX)'의 흔적을 발견했다.

• ARTEX는 본래 화이트해커나 기업 보안팀이 자사 시스템의 취약점을 점검하기 위해 깃허브(GitHub) 등에 오픈소스로 공개된 '멀티 에이전트 오펜시브 시큐리티 프레임워크(Multi-agent offensive-security framework)'다. 이 프레임워크는 대규모 언어 모델(LLM)과 결합하여 정보 수집(Reconnaissance)부터 취약점 스캐닝, 익스플로잇(Exploit), 심지어 공격 결과에 대한 보고서 작성까지 모든 킬체인(Kill-chain)을 자율적으로 수행한다.

• 이러한 AI 에이전트 기반 공격의 가장 무서운 점은 방어 체계의 '임계치(Threshold)'를 스스로 학습하고 회피하는 적응형 학습(Adaptive Learning) 능력에 있다. 예를 들어, 보안 시스템이 "동일 IP에서 비밀번호 입력 오류가 5회 발생하면 계정을 잠금 처리한다"는 규칙을 가지고 있을 경우, AI는 단 몇 번의 시행착오를 통해 이 규칙을 유추해낸다. 이후부터는 4번까지만 로그인을 시도하고 멈춘 뒤, 우회 IP를 통해 다른 계정으로 타깃을 자연스럽게 넘기는 방식을 취한다. 또한, 기존의 보안 프로그램이 특정 악성 구문을 차단하면, AI가 스스로 코드를 수정하여 우회 구문을 재생성한 뒤 재침투를 시도한다. 인간 관제사가 수동으로 규칙을 업데이트하는 속도로는, 실시간으로 변형되는 AI의 공격 속도를 도저히 따라잡을 수 없다는 "사람 손으론 못 막는다"는 탄식이 나오는 이유다.

​

4. "50년 된 코볼"과 금융권 IT 인프라의 구조적 모순

​

• AI 해킹이라는 외부적 요인 이면에는 대한민국 금융권이 내포하고 있는 IT 인프라의 해묵은 '기술적 부채(Technical Debt)'라는 내부적 요인이 자리 잡고 있다.

​

4.1. 기술적 부채의 상징, 레거시 메인프레임과 COBOL

​

• 서울경제신문 등 언론이 지적한 "은행 전산에 아직도 50년된 코볼"이라는 화두는 사태의 본질을 관통한다. 현재 국내외 대형 은행과 정부 기관의 코어 뱅킹(원장 관리, 여수신 처리 등) 시스템 상당수는 여전히 1959년에 탄생한 프로그래밍 언어인 코볼(COBOL)과 메인프레임 환경에 의존하고 있다. 코볼은 대규모 트랜잭션의 일괄 처리(Batch)와 수치 연산의 무결성 측면에서는 압도적인 안정성을 자랑하지만, 현대의 클라우드 네이티브(Cloud-native)나 마이크로서비스 아키텍처(MSA) 환경과는 완전히 격리된 폐쇄적 생태계다.

• 과거 자료인 2026년 2월의 시장 동향을 살펴보면, 글로벌 AI 기업 앤스로픽(Anthropic)이 자사의 LLM '클로드(Claude)'를 활용해 금융권의 오래된 코볼 코드를 현대적인 언어(Java 등)로 자동 번역하고 시스템을 대체하겠다는 비전을 발표하자 메인프레임의 절대강자인 IBM의 주가가 25년 만에 최대 폭락을 기록한 바 있다. 이는 전 세계 금융권이 코볼 기반 레거시 시스템의 경직성에서 탈피하고자 얼마나 절전부심하고 있는지를 보여주는 방증이다. 그러나 현실적으로 수천만 줄에 달하는 코볼 코드를 단번에 걷어내는 것은 천문학적인 비용과 뱅킹 시스템 마비라는 치명적 리스크를 수반하기 때문에, 2026년 현재까지도 국내 시중은행들의 완전한 차세대 전환(U to L: Unix to Linux 또는 Mainframe to Cloud)은 지연되거나 반쪽짜리에 머물고 있다.

​

4.2. API 관리의 사각지대와 '섀도우 IT(Shadow IT)'의 양산

​

• 이러한 경직된 레거시 코어 시스템을 모바일 뱅킹, 마이데이터 연동, 외부 대출모집인 앱 등 최신 디지털 서비스와 억지로 연결하려다 보니 심각한 구조적 결함이 발생했다. 내부망 전용으로 설계된 시스템에 미들웨어를 덧대고 수많은 API(응용프로그램 인터페이스) 래퍼(Wrapper)를 씌워 외부로 통로를 열어준 것이다.

• 사업 부서와 외주 개발사들이 고객 편의성과 마케팅 속도를 명목으로 새로운 앱과 연계 페이지를 무분별하게 찍어내면서, 정작 정보보호 부서의 통제를 벗어난 '섀도우 IT(Shadow IT)'가 양산되었다. 금융사가 자신들이 운영 중인 IT 자산(서비스 종류, 연동 API, 접근 권한자 등)의 약 40%를 온전히 파악하지 못하고 있다는 실태는 충격적이다. 방어해야 할 대상과 표면이 어디인지조차 모르는 상태에서 뚫려 있는 'API 뒷문'은 24시간 시스템을 스캔하는 AI 해커들에게 너무나도 손쉬운 먹잇감이 되었다.

​

4.3. "100점짜리 보안"의 허상과 예산 집행의 역설

​

• 신한은행, KB국민은행, 하나은행 등 3개 은행이 지난 1년간 정보보호에 투입한 예산은 무려 1,239억 원에 달한다. 신한은행의 경우 금융위원회 주관 평가에서 6년 연속 S등급(100점 만점)을 받았으며, ISMS 및 ISO27001 등 최고 수준의 국내외 보안 인증을 자랑해 왔다.

• 그러나 이러한 거액의 투자와 화려한 인증 성적표는 정형화된 '규제 준수(Compliance)' 체크리스트를 통과하기 위한 수단으로 전락했음을 시사한다. 기존의 망분리 준수 여부, 정기적 취약점 진단 횟수 등 아날로그 시대의 잣대로는 초 단위로 변이하는 AI 해킹을 막을 수 없다. 더군다나 내부 모의해킹을 통해 고위험 취약점을 발견하고도 시스템 전면 교체의 부담 때문에 3년 이상 방치해 온 사례들은, 금융권의 보안 관행이 얼마나 본질과 괴리되어 있는지를 보여준다.

​

5. 방어의 딜레마: 망분리 규제 완화와 제로 트러스트 전환

​

5.1. 금융권 망분리 정책의 역사와 한계

​

• 과거 2013년 3.20 사이버 테러와 2014년 대규모 카드사 개인정보 유출 사태를 계기로 도입된 금융권 망분리 규제는 내부 업무용 PC와 외부 인터넷망을 물리적·논리적으로 완전히 차단하는 강력한 쇄국 정책이었다. 이는 지난 10여 년간 외부의 직접적인 침투로부터 한국 금융망을 지켜낸 1등 공신이었지만, 동시에 클라우드 기반의 혁신적 소프트웨어(SaaS) 도입과 인공지능 연구개발을 원천 차단하는 '갈라파고스 규제'라는 비판을 받아왔다.

• 이에 따라 2026년 금융위원회는 글로벌 스탠더드에 맞춰 데이터 등급제 등을 도입하며 대형 금융사를 중심으로 단계적인 망분리 규제 완화를 추진하고 있었다.

​

5.2. "AI 해킹"에 직면한 규제 완화의 역설적 해법

​

• 망분리 완화 기조가 무르익던 찰나에 발생한 이번 전방위 AI 해킹 사태는 정책 입안자들에게 딜레마를 안겨주었다. 일각에서는 "망분리를 완화하여 외부 접점을 늘린 탓에 해킹에 취약해진 것 아니냐"는 비판이 제기되었다.

• 하지만 이억원 금융위원장을 비롯한 금융당국의 판단은 달랐다. 긴급 점검회의에서 금융당국은 "AI를 활용한 해킹 공격의 가능성을 배제할 수 없는 현 상황에서, AI 공격은 방어 역시 고성능 AI 솔루션으로 대응해야 한다"는 원칙을 재확인했다. 즉, 사람의 수동 관제로는 방어가 불가능하므로 오히려 외부의 고성능 클라우드 AI 보안 시스템을 도입할 수 있도록 '보안 목적의 AI 활용'을 위한 망분리 완화(규제 샌드박스)에 더욱 속도를 내겠다는 역설적이면서도 현실적인 결단을 내린 것이다.

​

5.3. 제로 트러스트(Zero Trust) 아키텍처로의 전환

​

• 물리적 경계(망분리)가 허물어지는 환경에서 유일한 대안은 제로 트러스트(Zero Trust) 보안 체계의 전면 도입이다. "어떤 대상도 신뢰하지 않고, 매번 접근할 때마다 검증한다"는 이 원칙은 금융보안원이 발간한 가이드라인에 명시된 핵심 방향이기도 하다.

• 해커가 인증이 취약한 외부 API를 통해 침투하거나 외주 직원의 정상 계정을 탈취했더라도, 제로 트러스트가 구축되어 있다면 추가적인 이상 징후(예: 평소 접속하지 않던 야간 시간대, 대량의 트래픽 유발, 비정상적 기기 위치 등)를 AI가 실시간으로 분석하여 접근을 즉각 차단할 수 있다. 내부망에 들어왔더라도 횡적 이동(Lateral Movement)을 철저히 차단해 핵심 원장 DB로의 접근을 막는 마이크로 세그멘테이션(Micro-segmentation)이 구현되어야 한다.

​

6. 2차 피해의 쓰나미: AI 기반 딥페이크와 딥보이스 보이스피싱

​

• 7만여 건의 데이터 유출 자체로 끝나는 것이 아니다. 더 큰 국가적 재난은 유출된 데이터를 원료로 삼아 진화하는 AI 기반의 2차, 3차 표적 범죄다.

• 과학기술정보통신부와 한국인터넷진흥원(KISA)의 사이버 위협 전망에 따르면, 탈취된 개인정보는 다크웹 등에서 기존의 유출 데이터들과 융합되어 고도로 개인화된 스피어 피싱(Spear Phishing)으로 재생산된다. 이번 금융권 해킹으로 털린 정보에는 단순히 이름과 연락처뿐만 아니라, 연소득, 대출 한도, 직장명, CI 연계정보 등 매우 내밀한 금융 컨텍스트가 포함되어 있다.

• 해외에 거점을 둔 보이스피싱 조직은 이러한 정보를 바탕으로 AI 딥보이스(Voice Cloning) 기술을 활용해 피해자 지인의 목소리를 완벽하게 복제한다. 예를 들어, 피해자에게 전화를 걸어 실제 딸의 목소리로 "엄마 나 납치됐어"라고 하거나, 정확한 직장명과 대출 산출 한도를 언급하는 가짜 '금융감독원 직원'의 딥페이크 영상통화를 걸어 의심을 원천 차단하는 식이다. AI가 타깃의 상황과 심리를 분석해 맞춤형으로 발송하는 문자 및 악성 앱(QShing) 링크의 성공률은 기존의 기계적 피싱보다 수 배 이상 높다. 금융당국이 긴급회의에서 정보 유출을 악용한 2차 피해를 경고하며 보이스피싱 대응 공조체계를 강조한 이유가 바로 이 지점에 있다.

​

7. 차세대 방어 체계 구축 및 거버넌스 확립 제언

​

• 금융권은 이제 파편화된 백신 프로그램이나 사후약방문 식의 패치를 넘어, 전사적이고 유기적인 '사이버 복원력(Cyber Resilience)'을 갖추어야 한다.

​

7.1. 'AI 레드티밍(Red Teaming)'의 내재화와 자동화

​

• 과거 2025년 12월, 금융보안원이 발간한 「2025년 AI 레드팀 보고서」(과거 자료)는 AI 에이전트를 이용해 실제 금융 시스템에 물리적, 논리적 피해를 입히는 '4세대 공격'의 등장을 이미 경고한 바 있다.

• 공격자가 AI로 24시간 취약점을 찌른다면, 방어자 역시 소프트웨어 개발 수명 주기(SDLC) 전반에 걸쳐 지속적인 보안 점검을 수행하는 DevSecOps 체계를 갖추어야 한다. 인간 중심의 연 1~2회 모의해킹으로는 턱없이 부족하다. 금융사는 자체적인 고성능 방어용 AI 모델을 도입하여 자사의 내부 API와 외부 연계망에 대해 365일 무중단으로 모의 침투를 수행하는 'AI 레드티밍'을 자동화해야 한다. 취약점이 발견되는 즉시 서비스 코드를 격리하고 자가 치유(Self-healing)하는 체계만이 유일한 해법이다.

​

7.2. 섀도우 IT의 발본색원과 가시성 확보

​

• 경영진과 CISO는 조직 내 존재하는 모든 IT 자산의 현황을 100% 장악해야 한다. 클라우드 보안 형상 관리(CSPM) 및 위협 인텔리전스를 활용해 외부로 노출된 공격 표면을 상시 매핑(Mapping)해야 한다. 사용 기한이 만료되거나 관리 부서가 불분명한 '좀비 API'는 즉각 차단하고, 외부와 연동되는 모든 접속점에는 강력한 인증 인프라(OAuth, 다중인증 등)를 의무적으로 재구축해야 한다.

​

7.3. '책무구조도'와 최고경영진의 책임성 강화​

​

• 2026년 10월 본격적으로 막을 올린 국정감사에서 5대 시중은행장들의 대거 증인 소환이 예고되는 등, 사이버 보안은 실무 부서의 IT 이슈를 넘어 최고경영진의 명운을 가르는 지배구조(Governance) 이슈로 격상되었다. 최근 금융권에 도입된 '책무구조도'의 첫 번째 시험대가 될 이번 사태는 CEO와 이사회가 보안 투자를 어떻게 인식하고 관리했는지를 철저히 묻게 될 것이다.

• 경영진은 단기적인 서비스 중단이나 영업 차질을 두려워하여 50년 된 낡은 시스템의 근본적인 교체를 미루는 행위를 멈춰야 한다. 보안 예산을 단순한 '100점짜리 인증서 확보용'이나 '면피용'으로 집행하던 관행에서 벗어나, 장기적 관점에서 인프라 현대화(Modernization)와 제로 트러스트 이행에 회사의 사활을 걸어야 한다.

​

<시사점>

​

금융권을 겨냥한 사이버 공격이 새로운 국면에 접어들었습니다. 과거 해커가 직접 취약점을 찾아 침투하고 자료를 빼냈다면 이제는 인공지능(AI)이 공격의 ‘사령관’ 역할을 하고 있습니다. 목표를 정하면 인터넷에 노출된 시스템을 자동으로 탐색하고 취약점을 찾아 침투한 뒤 필요한 정보를 대량으로 긁어가는 식입니다. 국내 금융사 여러 곳을 동시에 공격할 수 있었던 것도 이런 AI의 자동화 능력 때문이라는 분석입니다. 오늘 동아일보가 전한 것처럼 이번 공격은 신한·KB국민·하나·BNK부산은행 등 여러 금융사를 상대로 비슷한 방식으로 이뤄졌고, 6만7000여 건의 정보가 유출된 것으로 파악됐습니다.

더 심각한 것은 금융회사의 방어체계가 공격을 제대로 알아차리지도 못했다는 점입니다. 일부 은행은 공격이 시작된 뒤 최대 68시간이 지나서야 침해 사실을 인지했습니다. 국제 보안인증과 24시간 관제를 강조해 온 금융권으로서는 뼈아픈 대목입니다. 공격자들은 철통같은 계정계 핵심망을 정면으로 뚫기보다 대출모집인 서비스, 외부 영업지원시스템, 모바일 업무지원 등 상대적으로 관리가 느슨한 주변부 시스템과 API를 노렸습니다. 인터넷에 연결된 수많은 접점을 AI로 훑으면 사람이라면 수개월 걸릴 작업을 짧은 시간에 해낼 수 있습니다.

이는 금융보안에 대한 기존의 사고방식부터 바꿔야 한다는 뜻입니다. 그동안 금융권은 ‘안쪽은 안전하고 바깥쪽만 막으면 된다’는 경계형 보안에 크게 의존했습니다. 망분리도 그런 철학의 산물입니다. 하지만 AI 해커에게는 방어망의 가장 두꺼운 부분을 뚫을 이유가 없습니다. 가장 약한 API 하나, 관리가 소홀한 외부 시스템 하나만 찾아내면 됩니다. 실제로 이번 공격에서도 AI 침투 도구가 정찰부터 취약점 탐색, 공격과 결과 정리까지 수행한 것으로 분석되고 있습니다.

여기에 금융권의 ‘기술적 부채’가 겹쳐 있습니다. 서울경제신문이 지적한 ‘50년 된 코볼’ 문제는 단순히 낡은 프로그램을 비판하는 이야기가 아닙니다. 코어뱅킹의 안정성을 유지하면서도 모바일·클라우드·마이데이터 등 새로운 서비스를 연결하려다 보니 수많은 API와 미들웨어가 기존 시스템 위에 덧붙여졌습니다. 이 과정에서 누가 관리하는지조차 명확하지 않은 ‘섀도 IT’와 좀비 API가 늘어났습니다. 첨부 보고서가 금융회사가 자신의 IT 자산과 연결 구조를 완전히 파악하지 못하는 현실을 지적한 이유입니다.

보안예산을 많이 썼다는 사실만으로 안전하다고 할 수도 없습니다. 신한·KB국민·하나은행 3곳이 지난 1년간 정보보호에 투입한 예산은 1200억 원을 넘지만, 이번 사태는 투자의 양보다 질이 중요하다는 점을 보여줍니다. 보안 인증과 규제 준수 여부를 확인하는 데 그칠 것이 아니라 실제 공격을 얼마나 빨리 찾아내고 차단하는지가 기준이 돼야 합니다.

그렇다고 이번 사태를 망분리 규제 완화의 실패로만 몰아가서도 안 됩니다. AI와 클라우드 활용을 확대하면서 보안망만 과거 방식으로 묶어놓을 수도 없는 노릇입니다. 문제는 망을 나눴느냐가 아니라 망 안에서도 누구를 신뢰할 것인가입니다. 모든 사용자와 기기, 프로그램을 잠재적 위험요인으로 보고 접속할 때마다 권한을 검증하는 ‘제로 트러스트’ 방식으로 전환해야 합니다. 한번 내부망에 들어온 계정이라도 평소와 다른 시간·장소에서 대량의 정보를 조회한다면 즉시 차단할 수 있어야 합니다.

무엇보다 방어 방식 자체를 AI 시대에 맞게 바꿔야 합니다. 공격자가 AI로 24시간 취약점을 찾는데 사람이 정기적으로 한두 번 모의해킹을 하는 방식으로는 승산이 없습니다. 금융회사 스스로 AI를 활용해 외부에 노출된 모든 API와 시스템을 상시 점검하고, 공격 징후가 발견되면 자동으로 격리하는 ‘AI 레드팀’과 자동 대응체계를 구축해야 합니다. AI가 공격자의 무기가 됐다면 방어자도 AI를 가장 적극적인 방패로 활용해야 합니다. 오늘 머니투데이가 전한 보안업계의 “사람 손으로는 못 막는다”는 지적을 흘려들어서는 안 됩니다. 동시에 정부는 ‘AI 해킹’ 자체를 제대로 측정할 수 있는 통계와 조사체계부터 갖춰야 합니다. 현재 국내에서는 침해사고가 발생해도 AI가 공격에 활용됐는지를 별도로 집계하지 않는 실정입니다. AI가 공격의 핵심 수단으로 부상했다면 공격 유형과 AI 활용 정도, 피해 규모를 별도로 추적할 수 있어야 정책도 제대로 세울 수 있습니다. 미국·영국·싱가포르 등이 AI를 활용한 취약점 탐색과 침투 능력의 고도화를 전제로 보안기준과 대응체계를 손질하는 것도 참고할 만합니다. 더 큰 문제는 유출된 개인정보가 또 다른 AI 범죄의 재료가 된다는 것입니다. 이름과 전화번호 정도라면 과거에도 피해가 있었지만 이번처럼 소득, 대출한도, 직장명 등 금융 관련 정보가 결합되면 이야기가 달라집니다. AI 딥보이스와 맞춤형 피싱이 결합하면 피해자를 속이는 정교함은 과거와 비교할 수 없을 정도로 높아집니다. 이번 해킹은 데이터 유출로 끝나는 사건이 아니라 보이스피싱과 딥페이크 등 2차 범죄로 이어질 수 있는 ‘복합 재난’으로 봐야 합니다.

결국 이번 사태의 교훈은 분명합니다. AI 시대의 금융보안은 성벽을 높이는 경쟁이 아니라 공격자보다 먼저 움직이는 경쟁이어야 합니다. 금융회사는 아무도 믿지 않고 끈임없이 검증하는 제로 트러스트와 AI 기반 상시 탐지·자동 대응을 기본 인프라로 삼아야 하며, 경영진과 이사회도 보안을 비용이나 규제 대응의 문제가 아니라 금융회사의 존립과 신뢰를 좌우하는 핵심 경영과제로 인식해야 하겠습니다.

AI가 금융의 생산성을 획기적으로 높일 기술이라는 데 이견은 없습니다. 그러나 AI가 금융을 혁신하는 속도만큼 AI를 이용한 공격도 빨라지고 있습니다. 망분리 완화와 클라우드·AI 금융 혁신을 추진한다면 그에 걸맞은 사이버 복원력을 함께 갖춰야 합니다. ‘AI로 금융을 혁신하고, AI로 금융을 지킨다’는 발상의 전환이 지금 금융권에 요구되는 가장 시급한 과제라 하겠습니다.