AI, OT 공격 계획의 단가를 낮추다…중요 인프라에 남은 시간 2년

기사 제공처 : 아이티인사이트 / 등록기자: 최시훈 [기자에게 문의하기] /

해당 기사에 관련하여 문의하기에 남겨주시면 "최시훈"기자에게 전송됩니다

이름

연락처

- -

이메일

프레노스, 500개 이상 시나리오로 산업 공격 계획 능력 평가

운영 기술(OT) 보안 기업 프레노스(Frenos)가 2026년 10월 공개한 첫 연례 보고서 'OT 보안의 인공지능(AI) 현황'은 숫자 하나로 산업계의 주의를 집중시켰다. 500개 이상의 시뮬레이션된 OT 공격 시나리오에서 평가한 6개 최첨단 모델 가운데 3개가 약 90% 수준으로 실행 가능한 공격 계획을 생성했다는 결과다.

창업자 겸 최고경영자(CEO) 브라이언 프록터(Brian Proctor)는 "공격자가 접근할 수 있는 모델이 방어자가 직면하는 위협을 변화시킨다"며, "최첨단 모델들은 빠르게 발전하고 있다. 공격자 손에 이 기능이 안정적으로 들어오기까지 약 2년이 걸릴 것으로 예상한다.

중요 인프라 운영자는 이를 준비할 시간으로 삼아야 하며, 기다릴 이유가 없다"고 밝혔다. 산업계가 이 보고서에서 읽어야 할 핵심 문장은 "2년 뒤 공격이 시작된다"가 아니라, "2년 안에 보안 투자 구조를 바꾸지 않으면 방어 비용이 급증한다"는 경고다.

이 문제는 기술 시연의 성능 경쟁이 아니다. 전력, 제조, 수처리, 물류 설비를 움직이는 산업제어시스템(ICS)은 일반 정보기술(IT) 시스템보다 교체 주기가 길고, 패치 적용도 생산 중단 비용과 맞물린다.

AI가 공격자의 손에서 목표 자산, 알려진 약점, 접근 조건을 조합해 계획서를 만들 수 있다면, 보안 시장의 무게중심은 사후 탐지 장비에서 선제적 자산 식별과 위험 우선순위 산정으로 이동한다. 이는 보안 기업의 제품 전략, 중요 인프라 운영자의 예산 배분, 보험·감사·공급망 계약 조건까지 흔드는 경영 변수다. 프레노스 보고서가 산업계에 주는 첫 번째 메시지는 모델 성능보다 반복 가능성의 간극이다.

테스트에서 일부 모델은 계획 테스트에서 90%를 넘는 성공률을 기록했지만, 같은 조건을 반복했을 때 성능이 일관되지 않았다.

이는 AI가 완전 자율 공격 도구로 굳어졌다는 뜻이 아니다. 다만 숙련된 인간 공격자가 표적 정보와 감독을 제공하면, 모델이 공격 계획 수립 시간을 단축하는 조력자로 기능할 수 있다는 점이 확인된 것이다.

기업 입장에서는 위협의 성격이 달라진다. 과거에는 고급 공격자가 내부망 구조와 취약점을 직접 정리해야 했다면, 이제는 그 정리 과정 일부를 모델이 압축할 수 있다. 두 번째 메시지는 OT 보안 투자의 우선순위 변화다.

프레노스는 모델에 자산, 네트워크, 알려진 약점 정보를 제공한 뒤 최적의 단일 행동을 고르는 '결정 테스트'와, 목표 달성을 위한 일련의 행동을 고르는 '계획 테스트'를 수행했다. 이 설계는 방어자에게도 같은 질문을 던진다. 조직이 자기 설비의 자산 목록, 네트워크 연결, 취약점 노출 상태를 얼마나 정확히 파악하고 있는가.

AI 공격 계획은 정보가 많을수록 정밀해진다. 반대로 방어자는 자산 데이터의 정확도를 높일수록 모델 기반 공격의 효율을 낮출 수 있다.

앞으로의 예산은 방화벽 한 대 추가보다 자산 가시성 확보, 세분화된 접근 통제 적용, 패치 불가 설비의 보완 통제 구축에 먼저 배치될 것으로 전망된다. 세 번째 축은 보안 산업 생태계의 매출 구조다. OT 보안은 오래전부터 공장 자동화와 설비 안정성을 이해하는 전문 영역이었다.

그러나 AI가 공격 준비 단계를 자동화하면 고객사는 단순 로그 수집이나 네트워크 모니터링만으로 만족하기 어렵다. 모델이 어떤 경로를 공격 계획으로 선택할지 미리 시뮬레이션하고, 실제 설비 중단 없이 방어 대안을 비교하는 서비스 수요가 커질 것이다. 보안 기업에는 기회이자 시험대다.

AI 기능을 제품 설명서에 붙이는 수준의 마케팅으로는 산업 현장의 구매 심사를 통과하기 어렵다.

중요 인프라 고객은 탐지율보다 안전한 배포, 운영 중단 최소화, 감사 대응 자료를 우선적으로 따진다.

6개 모델 중 3개가 90%대 계획 성공률 기록

가디언(The Guardian)이 2026년 10월 보도한 '블랙 옥토버(Black October)' 경고도 같은 흐름 위에 놓인다. 연구원들이 AI를 활용해 수백만 개 웹사이트에서 쓰이는 코딩 언어의 치명적 결함을 식별했다는 보도는, 취약점 발견 속도가 인간 보안팀의 처리 속도를 앞설 수 있다는 우려를 높였다. 앤트로픽(Anthropic)의 최고정보보호책임자(CISO, 실명 원천 자료에서 미확인)는 이를 '취약점 쓰나미'로 표현했다.

이 문구가 과장처럼 들릴 수 있지만, 산업 현장에서는 다른 의미를 갖는다. 웹 서비스는 비교적 빠르게 패치를 배포할 수 있으나, 공장과 발전 설비는 테스트, 승인, 정지 계획을 거쳐야 한다. 같은 취약점이라도 OT 환경에서는 시간 비용이 현저히 크다.

한국 기업과 공공 인프라 운영자에게 이 변화는 먼 해외 사례가 아니다. 국내 제조업은 공정 자동화, 원격 유지보수, 클라우드 기반 모니터링을 확대한 지 오래다. 연결성이 높아질수록 공격 계획에 필요한 단서도 늘어난다.

원천 자료는 한국 특정 기관의 피해나 투자 규모를 제시하지 않았으며, 특정 산업의 피해 가능성을 수치로 단정할 근거는 현재까지 확인되지 않았다. 다만 산업 구조상 OT 장애가 생산 차질과 안전 리스크로 이어진다는 점은 명확하다. 보안 담당 부서만의 문제가 아니라 재무, 생산, 구매, 법무가 함께 다뤄야 할 경영 리스크로 바뀐 이유다.

투자자 관점에서도 해석이 달라진다. AI 보안 수요가 늘어난다는 일반론보다 중요한 것은 어떤 기업이 실제 지출을 흡수하느냐다. OT 보안 시장에서는 고객사의 기존 설비와 호환되는 센서, 프로토콜 이해도, 현장 구축 경험이 매출 전환의 핵심이다.

모델 기반 공격이 확산하면 침투 테스트, 위협 모델링, 공격 경로 시뮬레이션, 보안 운영 자동화 서비스를 묶은 패키지 수요가 커질 것이다. 반면 검증되지 않은 자동 대응 기능은 산업 현장에서 역효과를 낼 수 있다. 생산라인을 멈추는 오탐은 보안 실패 못지않게 큰 비용을 만든다.

반론도 있다. 프레노스 보고서 자체가 모델 성능의 불안정성을 인정했고, AI 공격 계획이 아직 인간 감독과 표적 정보에 의존한다면 2년 경고를 지나친 위기감 조성으로 볼 수 있다는 주장이다.

이 반론은 절반만 맞다. 완전 자율 공격이 당장 실현되지 않았다는 사실은 중요하다.

그러나 기업 보안 예산은 공격이 완성된 뒤 움직이면 늦다. OT 환경의 자산 조사, 네트워크 분리, 취약점 우선순위 정리는 분기 단위 프로젝트가 아니다.

설비 변경 승인과 협력사 계약까지 포함하면 2년은 넉넉한 시간이 아니라 최소한의 조정 기간에 불과하다.

방어 예산은 장비 구매에서 자산 데이터 관리로 이동

이번 보고서의 핵심은 'AI가 해커가 된다'는 문장이 아니다. 더 정확한 표현은 공격 준비의 단가가 내려간다는 것이다.

과거 고급 공격자는 시간과 경험을 들여 목표 환경을 해석했다. 이제 모델이 그 해석의 일부를 맡을 수 있다면, 같은 인력으로 더 많은 표적을 검토할 수 있다.

이는 공격자의 생산성 향상이다. 방어자도 같은 논리로 대응해야 한다.

AI 도구를 탐지 화면에 얹는 데 그치지 말고, 자산 목록 정비와 위험 시뮬레이션, 패치 불가 자산의 보완 통제를 자동화하는 방향으로 써야 한다. 산업계의 다음 2년은 보안 예산의 명목을 바꾸는 기간이 될 것이다. 최고정보보호책임자(CISO)는 더 많은 도구를 사는 사람이 아니라, 생산 중단 비용과 보안 위험을 같은 표에 올려 비교하는 조정자가 돼야 한다.

최고재무책임자(CFO)는 보안 투자를 비용 절감 항목으로만 볼 수 없다.

단 한 번의 OT 사고가 납품 지연, 계약 위반, 보험료 상승, 규제 대응 비용으로 번질 수 있기 때문이다. 프레노스가 제시한 500개 이상 시나리오와 90%대 계획 성공률은 실험실 숫자이지만, 그 숫자가 가리키는 방향은 현장 회계 장부에 가깝다.

브라이언 프록터는 보고서와 관련해 "최첨단 모델들은 빠르게 발전하고 있다. 공격자 손에 이 기능이 안정적으로 들어오기까지 약 2년이 걸릴 것으로 예상한다. 중요 인프라 운영자는 이를 준비할 시간으로 삼아야 하며, 기다릴 이유가 없다"고 밝혔다.

이 발언을 경보음으로만 소비하면 산업계는 같은 실수를 반복한다. 지금 필요한 선택은 공포 마케팅에 반응해 장비를 늘리는 일이 아니다.

자산 데이터를 정확히 만들고, 네트워크 연결을 줄이며, 운영 중단 없이 취약점을 줄이는 실행 계획을 예산서에 넣는 일이다. AI 공격 시대의 승자는 가장 많은 보안 제품을 산 기업이 아니라, 자기 설비의 약점을 가장 빨리 숫자로 바꾼 기업이 될 것이다.

한국 제조업과 중요 인프라 운영자는 남은 2년을 비용 유예 기간으로 볼 것인가, 경쟁사가 사고 비용을 떠안을 때 시장 신뢰를 확보하는 투자 기간으로 볼 것인가. ※ 이 기사는 Industrial Cyber의 2026년 10월 프레노스 'OT 보안의 AI 현황' 보고서 관련 보도와 The Guardian의 2026년 10월 AI 기반 해킹 위험 보도('블랙 옥토버' 경고)를 참조하여 작성하였다.

기자명 및 개별 기사 제목은 원천 자료에서 확인되지 않았다.

FAQ

Q. 운영 기술(OT) 보안이 일반 정보기술(IT) 보안과 다른 점은 무엇인가.

A. OT는 공장 설비, 발전 장치, 수처리 시스템처럼 물리적 공정을 제어하는 환경을 가리킨다. 일반 IT 보안은 데이터 유출과 서비스 중단을 주로 다루지만, OT 사고는 생산 정지와 안전 위해로 직결될 수 있다. 이 때문에 패치 적용도 즉시 수행하기 어렵고, 설비 운영 일정과 안전 검증을 함께 고려해야 한다. 프레노스 보고서가 OT 환경을 별도 범주로 분석한 이유도 이 점에 있으며, AI 기반 공격 계획이 특히 위험한 이유도 패치 적용의 지연 구조에 기인한다.

Q. 프레노스 보고서의 90% 성공률을 실제 공격 성공률로 봐도 되는가.

A. 그렇게 단정할 근거는 없다. 프레노스는 500개 이상의 시뮬레이션된 OT 공격 시나리오에서 모델이 실행 가능한 계획을 세우는 능력을 평가했다. 보고서는 6개 최첨단 모델 중 3개가 계획 테스트에서 90% 이상 성과를 냈다고 밝혔지만, 동일 조건 반복에서 성능이 일관되지 않았고 인간 감독과 표적 정보 의존도도 확인했다. 따라서 이 수치는 실제 침해 성공률이 아니라 공격 준비 자동화의 현재 수준을 보여주는 지표로 읽어야 한다. 완전 자율 공격과는 거리가 있으나, 숙련된 공격자가 보조 도구로 활용할 경우 위협 수준이 높아진다는 점은 명확하다.

Q. 기업은 앞으로 2년 동안 무엇을 먼저 해야 하는가.

A. 첫 단계는 보유 설비와 네트워크 연결 상태를 정확히 파악하는 일이다. 자산 목록이 부정확하면 AI 방어 도구를 도입해도 우선순위를 세우기 어렵다. 이후 패치 불가 장비를 네트워크에서 분리하고, 원격 접속 권한을 최소화하며, 취약점 조치 순서를 생산 영향도와 함께 평가해야 한다. 신규 보안 제품 구매보다 이 기초 작업을 먼저 수행한 조직이 모델 기반 공격 확산 국면에서 사고 대응 비용을 낮게 유지할 가능성이 크다. 재무, 생산, 법무 부서가 CISO와 함께 이 작업의 우선순위와 예산을 공동으로 결정하는 구조가 필요하다.

▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기