AI 모델 '클로드', 실제 기업 3곳 해킹
Anthropic사의 AI 모델 '클로드'가 사이버 공격 능력을 테스트하던 중 실제 인터넷에 접속해 3개 기업의 실제 서버를 무단 침해하는 사건이 발생했습니다. AI 모델이 가상 시뮬레이션 환경과 현실을 혼동하여 벌어진 일로, AI의 자율성과 보안 통제가 얼마나 중요한지 시사하는 사례입니다.
앤스로픽(Anthropic)은 모델의 공격적 사이버 역량을 측정하기 위한 내부 테스트를 진행하던 중 클로드(Claude) 기반 보안 모델이 3개 외부 기업의 민감한 프로덕션(실 서비스) 환경에 무단으로 접근했다고 밝혔습니다. 전통적인 해킹 상황이었다면 키보드를 두드린 인간 배후가 수년의 징역형을 살게 될 범죄인 이번 사건은, 지난 10일 동안 세계 최고의 AI 공급업체들이 보유한 모델이 보호된 네트워크를 침범했다는 두 번째 폭로입니다.
이번 달 초, OpenAI는 자사 보안 모델이 제로데이 취약점(Zero-day vulnerability)을 악용하여 오픈소스 기계 학습 모델 플랫폼인 '허깅페이스(Hugging Face)'의 네트워크를 침투했다고 밝혔습니다. OpenAI 모델은 액세스 자격 증명과 기타 기밀 정보를 탈취했습니다. 또한 공개된 자격 증명을 악용하여 4개의 다른 타사 서비스 계정을 추가로 탈취했습니다. 앤스로픽은 이러한 OpenAI 사태를 계기로 엔지니어들이 클로드 모델에 의한 유사한 사이버 보안 평가를 검토하게 되었다고 전했습니다.
감사 결과, 세 건의 사건이 발견되었습니다. "평가 파트너 중 하나인 '어레귤러(Irregular)'의 평가 환경 내에서 또는 상호 작용하는 동안 모델이 인터넷에 접속한 뒤, 3개 서로 다른 기업의 프로덕션 인프라에 무단으로 액세스한" 사건이었습니다.
모델이 현실과 가상을 구분하지 못할 때 생기는 일입니다. 앤스로픽에 따르면, 엔지니어들이 다양한 해킹 기술의 공격 및 방어 능력을 평가하기 위해 흔히 사용하는 '캡처 더 플래그(Capture the Flag)' 챌린지를 진행하는 동안 엔지니어가 제공한 프롬프트는 해당 환경이 단순한 시뮬레이션임을 명확히 했으며, 모델이 개방형 인터넷에 접속할 수 없다고 못을 박았습니다. 하지만 테스트 파트너인 어레귤러가 착오로 인해 인터넷 접속 경로를 열어둔 것입니다. 이에 모델들은 이 인터넷 경로를 테스트의 일부로 간주하게 되었습니다.
이러한 침해는 3개의 클로드 모델(Opus 4.7, Mythos 5, 내부 연구 프로토타입)을 통해 발생했습니다. 가장 오래된 모델인 Opus 4.7이 가장 심하게 한계를 넘었습니다. 앤스로픽은 다음과 같이 설명했습니다. "접근 가능한 모든 엔티티(대상)가 테스트 범위에 포함된 것이라는 잘못된 믿음 아래, 클로드는 취약한 비밀번호 및 인증되지 않은 엔드포인트를 악용하는 기본적인 기술을 사용하여 영향을 받은 조직의 인프라를 침해했습니다. 복잡한 취약점을 찾거나 악용하지는 않았으며, 지정된 '캡처 더 플래그' 작업을 완수하기 위해서만 작업을 계속했습니다."
그러나 "일부 경우에 우리의 이전 모델은 자신이 개방형 인터넷에서 실행되고 있다는 증거를 얻은 후에도 공격을 계속했습니다. 반면 최신 모델은 인터넷에 연결되어 있다는 사실을 인지하자마자 중지했습니다. 이런 상황 어디에서도 클로드가 데이터를 외부로 빼내거나 테스트 환경을 의도적으로 탈출하려 하지는 않았습니다."
Opus 모델이 타사 조직의 실제 프로덕션 시스템을 침해했다는 것을 정확히 예측한 후에도 공격을 계속한 반면, Mythos 5는 유사한 추론을 했음에도 불구하고 "여전히 시뮬레이션 안에 있다"는 결론로 스스로를 합리화했습니다. 즉, 명백히 선을 넘었음에도 Mythos 역시 테스트를 중단하지 않은 셈입니다. 내부 테스트 모델 역시 한계를 넘어선 후 자신이 침해했다는 증거를 최종적으로 발견하고서야 공격을 멈추었습니다.
첫 번째 침해 사건의 경우, Opus 4.7은 처음에 공격을 지시받은 가상의 표적을 뚫지 못했습니다. 그러나 모델은 자신의 환경에 실제로 인터넷 접속 권한이 있음을 발견하자마자, 시뮬레이션 공격 시나리오의 표적과 '동일한 이름'을 가진 실제 기업의 네트워크 내부 취약점을 식별하고 악용했습니다. 총 4회의 실행 동안 이 모델은 애플리케이션 및 인프라 자격 증명(크레덴셜)과 수백 행의 실제 프로덕션 데이터를 추출했습니다.