퀄리스 CISO “AI 취약점 급증, 평균 노출 기간으로 위험 관리해야”

퀄리스(Qualys)의 네이선 스몰렌스키(Nathan Smolenski) CISO가 AI로 취약점 발견이 늘어나는 상황에서 보안팀은 취약점 개수보다 실제 위험에 노출된 기간을 관리해야 한다고 말했다. 10월 29일 헬프넷시큐리티(Help Net Security) 인터뷰에서 그는 평균 노출 기간(AWE)을 추적하고, 자율 보안 조치에는 사람이 검증할 수 있는 증거를 요구해야 한다고 밝혔다.

스몰렌스키는 퀄리스 위협연구조직(TRU)의 연구를 들어 실제 공격 위험을 좁혀 대응할 필요성을 설명했다. “2025년 공개된 취약점은 4만8172개였다. 이 가운데 TRU가 식별한 원격 악용이 가능하면서 실제 공격에 쓰이도록 무기화된 취약점은 357개로 전체의 0.74%였다. 실제 위험이 있는 문제에 집중하기가 훨씬 쉬워진다.”

대응 성과를 측정하는 기준도 바꿔야 한다고 봤다. 그는 “추적해야 할 수치는 자사 환경이 확인된 공격 기법에 노출된 시점부터 해당 문제가 패치되거나 해소됐음을 검증한 시점까지의 간격”이라며 “노출은 발견이나 공개보다 훨씬 전에 시작됐을 수 있다”고 말했다. 이어 “공개 시점부터 시간을 재는 일반적인 평균 조치 시간(MTTR)과는 다르다. 평균 노출 기간을 쓰면 조직에 중요한 문제, 공격이 초래하는 사업 위험, 조치 속도를 구체적인 데이터로 제시할 수 있다”고 설명했다.

AI가 발견하는 취약점 증가는 이미 데이터에 나타난다는 게 그의 설명이다. 스몰렌스키는 “앤트로픽(Anthropic)의 Glasswing을 오픈소스 소프트웨어 패키지 1000개에 적용했을 때 심각도가 높음 또는 치명적으로 분류된 문제가 6000개 넘게 보고됐고, 모질라(Mozilla)는 Firefox에서 22개 문제를 발견했다”며 “FIRST에 따르면 올해 보고되는 취약점은 약 6만6000개에 이를 것으로 예상된다”고 말했다. 그는 “더 큰 과제는 단순한 물량이 아니라 AI가 발견하고 검증한 취약점이 원격 코드 실행으로 이어지는 빈도가 높아지는 변화”라며 “각각은 낮은 심각도로 평가될 여러 취약점도 AI가 연결하면 악용으로 이어질 수 있다”고 밝혔다.

이 때문에 우선순위는 고정된 점수표가 아니라 실시간 위험에 맞춰 바꿔야 한다고 주문했다. “고도화된 우선순위 설정은 IT 자산 목록과 취약점 데이터, 위협 인텔리전스, 위험 판단을 기반으로 한다. 월별 정적 스프레드시트 대신 실시간으로 의사결정하는 방식이다. 인프라의 잠재적 취약점이 AI 기반 자동 공격의 표적이 됐다면 즉시 대응하고 싶을 것이다.” 그는 “많은 팀은 CVSS 같은 일반적인 위험 점수와 제한된 요인에 익숙하다”며 “각 위험에 사업 맥락을 붙이고 실시간으로 갱신하면 잠재적 재무 손실을 가장 많이 막을 곳에 역량을 집중할 수 있다”고 말했다.

현재 우선순위가 낮은 문제도 새 취약점과 결합하면 위험해질 수 있다. 스몰렌스키는 “코드 실행 취약점이라도 로컬 권한과 기기 접근이 필요하면 악용하기가 더 어렵다. 이후 권한 수준에 영향을 미치는 새로운 문제가 그 간극을 메우면 취약점을 연결해 훨씬 위험한 원격 코드 실행이 가능해질 수 있다”고 설명했다. 이어 “상황과 조건이 바뀌어 공격이 가능해지는 시점을 파악해야 우선순위와 조치 계획을 수정할 수 있다. 이런 결정에 대한 책임은 언제나 기업에 남는다”고 말했다.

자율 보안 조치 도입에서는 자산 중요도에 따른 단계적 패치와 사람의 검토를 신뢰 장치로 제시했다. 그는 “자동 패치가 전부 아니면 전무라는 생각은 잘못됐다. 자산을 등급별로 나누면 위험이 낮은 자산부터 패치를 적용하고 다음 등급으로 확대할 수 있다”며 “업무에 필수적이지 않은 자산에서 문제를 확인한 뒤 전체에 배포하는 방식”이라고 말했다. 또 “초기에는 자동화가 패키지 준비나 구성 변경을 수행하고, 사람이 다음 단계를 검토하고 승인하도록 준비해 둘 수 있다”고 덧붙였다.

스몰렌스키는 “이렇게 확보한 시간을 적용이 어렵거나 더 철저한 시험이 필요한 핵심 시스템에 쓸 수 있다. 패치를 준비하는 동안 패치 없는 완화 조치나 애플리케이션의 가상 패치로 공격을 막을 수도 있다”고 말했다. 패치 신뢰성을 AI로 시험하고 배포 전 문제를 확인하며 롤백 절차를 마련하는 것도 제안했다. 그는 “지난 1년간 1억5000만 개가 넘는 패치를 배포했고, 이 가운데 4000만 개는 완전 자율 방식이었다. 롤백 비율은 0.1% 미만이었다”고 밝혔다.

대응 속도를 높여야 하는 배경으로는 공격뿐 아니라 규정도 들었다. “사람의 작업 속도를 높이려는 시도만으로는 공격 시도나 새 규정을 따라가기에 충분하지 않다. 미국(US) 연방 부문에서는 6월 발표된 BOD 26-04에 따라 연방기관이 특정 중대 문제를 3일 안에 패치하고 포렌식 초기 분석도 수행해야 한다. 이런 규모로 패치를 배포하기는 어렵지만 기한은 반드시 지켜야 한다.”

알림을 줄일 때도 최종 기준은 실제 악용 가능성이라고 봤다. 스몰렌스키는 “한 고객은 퀄리스와 다른 외부 출처에서 받은 보안 알림과 이벤트 데이터 항목이 6250만 개를 넘었다. CISA KEV 데이터에만 집중해 유입 데이터를 94% 줄였고, 217만 개의 알림이 남았다”고 말했다. 이어 “자산 맥락과 사업상 중요도를 반영하자 30만4000개로 줄었다. 마지막으로 안전한 페이로드를 사용해 악용 가능성을 시험하고 실제 악용 가능한 문제를 검증하자 원래 수치의 0.1% 미만인 약 6만 개로 줄었다”고 설명했다.

AI의 판단 자체를 조치 완료의 근거로 받아들여서는 안 된다는 점도 짚었다. 그는 “AI 기능이 제안하는 내용과 그 제안의 검증은 분리해야 한다. AI나 자동화 과정에는 재현 가능한 증거를 요구해 사람이 검증할 수 있는 관측 데이터로 수정 여부를 확인해야 한다”며 “AI를 둘러싼 잡음을 피하고 실제적이며 반복 가능한 보안 절차와 결과에 집중해야 팀이 기업의 요구를 충족할 수 있다”고 말했다.