AI 에이전트가 나흘 만에 대만 정부를 뚫었습니다 — 오픈소스 헤르메스·오픈클로 자율 공격
AI 뉴스 SVIL 대만 사이버보안 AI에이전트 오픈클로 헤르메스 앤스로픽

AI 에이전트가 나흘 만에 대만 정부를 뚫었습니다 — 오픈소스 헤르메스·오픈클로 자율 공격

SVIL - Singularity Visual Intelligence Lab 13 min read

해커가 인공지능을 도구로 쓴 사건은 이미 있었습니다. 이번은 다릅니다. 대만 정부 시스템을 공격한 것은 사람이 아니라 스스로 판단하며 움직인 인공지능 에이전트였습니다. 그것도 누구나 내려받을 수 있는 공개 소프트웨어로 만들어졌습니다.

여덟 개의 작은 청록빛 큐브가 대열을 갖춰 하나의 커다란 어두운 블록으로 나아가는 모습 — 다수의 자율 에이전트가 목표를 공격하는 것을 표현한 개념 이미지

대만 정부가 공격 사실을 공개했습니다

대만 디지털부가 2026년 8월 13일 밝힌 내용입니다. 지난 7월 정부 기관들이 인공지능이 주도한 해킹 공격을 받았다는 것입니다.

당국은 공격이 해외에서 시작된 정황이 뚜렷하다고 밝혔고, 피해 기관들이 상황을 수습했다고 덧붙였습니다.

나흘 동안 벌어진 일

공격은 7월 1일부터 4일까지 나흘에 걸쳐 진행됐습니다. 그 사이 벌어진 일을 숫자로 정리하면 이렇습니다.

  • 정부 시스템 21곳 구조 파악
  • 정부 계정 85개 탈취
  • 인사 기록 2,500건 이상 유출
매끈한 어두운 판이 곧은 선을 따라 갈라지며 청록빛이 새어 나오는 모습 — 시스템이 뚫리는 순간을 표현한 개념 이미지

포털 한 곳에서 전체가 열렸습니다

가장 눈여겨볼 대목은 시작점입니다. 에이전트들은 정부 포털 한 곳에서 정보를 긁어내는 것으로 출발했습니다.

거기서 내부 주소와 접속 지점, 인증 설정값을 뽑아냈고, 그 정보만으로 연결된 정부 시스템 21곳과 각각이 쓰는 인증 방식을 전부 알아냈습니다.

여덟 개의 하위 에이전트가 나눠 맡았습니다

공격 구조도 특이했습니다. 최대 여덟 개의 하위 에이전트가 각자 다른 표적과 다른 공격 기법을 맡았습니다.

이들이 12차례에 걸쳐 순서대로 공격을 시도했습니다. 사람이 하나씩 지시한 게 아니라, 역할을 나눠 병렬로 움직인 것입니다.

작고 흐릿한 큐브들이 가느다란 청록빛 선으로 이어져 넓은 격자를 이룬 모습 — 연결된 정부 시스템 지도를 표현한 개념 이미지

쓰인 도구 ① 헤르메스

공격에 쓰인 것은 특수 제작된 악성코드가 아니라 공개된 인공지능 프레임워크 두 개였습니다.

하나는 헤르메스입니다. 누스 리서치가 2026년 2월에 공개한 오픈소스 에이전트 프레임워크입니다.

쓰인 도구 ② 오픈클로

다른 하나는 오픈클로입니다. 2025년 11월에 나온 개인용 인공지능 비서 프로그램인데, 여섯 달이 안 돼 깃허브 별 34만 개를 모았습니다.

둘 다 누구나 무료로 내려받을 수 있는 소프트웨어입니다. 공격에 특별한 무기가 필요하지 않았다는 뜻입니다.

홈에 끼워진 빈 어두운 판들 가운데 몇 개가 옆으로 밀려나며 청록빛을 드러내는 모습 — 계정이 차례로 뚫리는 상황을 표현한 개념 이미지

표적은 정부에서 그치지 않았습니다

공격 범위는 점점 넓어졌습니다. 정부 정보기술 공급망 업체로 옮겨 갔고, 이어서 원자력 안전 기관과 정부 전자우편 시스템, 에너지 기업 일곱 곳 이상까지 닿았습니다.

원자력 안전과 에너지는 어느 나라에서든 핵심 기반시설로 분류되는 영역입니다.

공급망을 노린 이유

공급망 업체를 거친 경로가 특히 중요합니다. 정부 기관을 직접 뚫는 것보다, 그 기관에 소프트웨어를 납품하는 회사를 뚫는 편이 쉽기 때문입니다.

한 곳만 통과하면 그 업체를 신뢰하는 여러 기관에 접근할 길이 열립니다. 에이전트는 이 지름길을 스스로 찾아냈습니다.

매끈한 어두운 큐브에서 넓은 청록빛 광선이 밖으로 끌려 나오는 모습 — 데이터가 빠져나가는 상황을 표현한 개념 이미지

어디서 온 공격인가

공격 주체를 가리키는 단서는 기록에서 나왔습니다. 내부 로그가 상황 보고에는 간체자를, 표적을 분석할 때는 번체자를 썼습니다.

간체자는 중국 본토에서, 번체자는 대만에서 쓰는 표기입니다. 이 차이와 공격 규모, 대상이 대만 국가 기반시설에 집중된 점을 합쳐 연구자들은 중국 본토 쪽 운영자를 지목했습니다.

대만 당국의 표현은 신중합니다

다만 대만 디지털부 자체는 "해외에서 온 정황"이라고만 표현했습니다. 특정 국가를 공식적으로 지목하지는 않았습니다.

중국 본토 연계라는 판단은 주로 보안 연구자와 언론 분석에서 나온 것입니다. 이 구분은 기억해 둘 필요가 있습니다.

작은 청록빛 큐브들이 네 줄로 정렬해 차례차례 나아가는 모습 — 열두 차례에 걸친 공격 시도를 표현한 개념 이미지

사람과 기계가 섞인 방식

완전히 무인 공격은 아니었습니다. 당국은 수작업과 인공지능 에이전트를 결합한 혼합 방식이었다고 설명했습니다.

사람이 큰 방향을 정하고, 실제 정찰과 침투는 에이전트가 맡는 구조입니다. 연구자들이 "준자율"이라는 표현을 쓴 이유가 여기 있습니다.

왜 '최초'라고 부르는가

연구자들이 이 사건을 정부 기관을 상대로 한 첫 준자율 인공지능 공격으로 보는 이유는 자율성의 정도에 있습니다.

지금까지 인공지능은 공격자의 보조 도구였습니다. 코드를 짜 주거나 피싱 문구를 만들어 주는 역할이었죠. 이번에는 정찰부터 침투, 자료 반출까지 이어지는 작전을 스스로 수행했습니다.

커다란 어두운 큐브가 여덟 개의 작은 청록빛 큐브로 나뉘어 각기 다른 방향으로 흩어지는 모습 — 하위 에이전트 분산을 표현한 개념 이미지

앞선 사례 — GTG-1002

비슷한 사건이 처음은 아닙니다. 2025년 11월 앤스로픽이 공개한 GTG-1002 사례가 있습니다.

중국 연계로 지목된 조직이 클로드 코드를 우회 조작해 약 30곳을 상대로 침투를 자동화했고, 다단계 공격의 80~90%를 인공지능이 처리한 것으로 분석됐습니다.

두 사건의 결정적 차이

그런데 두 사건 사이에는 중요한 차이가 있습니다. GTG-1002는 상용 인공지능 서비스를 속여서 썼습니다. 그래서 제공사가 탐지해 차단할 수 있었습니다.

이번 대만 사건은 오픈소스 도구로 만들어졌습니다. 자기 컴퓨터에서 돌리면 지켜보는 회사가 없습니다. 끄고 싶어도 끌 스위치가 없다는 뜻입니다.

묵직한 어두운 차단벽이 넓은 청록빛 광선을 가로질러 내려오는 모습 — 보안 대응과 차단을 표현한 개념 이미지

속도가 방어를 앞지릅니다

나흘 만에 21개 시스템을 파악했다는 대목을 다시 봅니다. 사람 팀이 같은 일을 하려면 몇 주가 걸립니다.

보안 대응은 대체로 사람의 근무 시간에 맞춰 돌아갑니다. 쉬지 않고 병렬로 움직이는 공격자를 상대하기에는 시간 구조 자체가 불리합니다.

대만 정부의 대응

대만 당국은 이 새로운 유형의 위협에 맞춰 보호 지침을 만들고 기관 전반의 시스템 감시를 강화했다고 밝혔습니다. 공격을 초기에 차단하는 데 초점을 뒀습니다.

공격 사실 자체를 공개한 것도 대응의 일부로 볼 수 있습니다. 다른 기관과 국가가 같은 수법에 대비할 수 있기 때문입니다.

빈 어두운 판 위 한 점에서 청록빛 동심원이 바깥으로 퍼져 나가는 모습 — 사건의 파급 효과를 표현한 개념 이미지

실제 사례 — 인증 설정값이 왜 위험한가

에이전트가 포털에서 뽑아낸 것 중에 인증 관련 설정값이 있었습니다. 이게 왜 치명적인지 짚어 보겠습니다.

여러 기관이 하나의 통합 로그인 체계를 공유하면 편리합니다. 하지만 그 설정이 노출되면 연결된 모든 기관이 한 번에 위험해집니다. 편의를 위한 연결이 공격 경로가 되는 전형적인 구조입니다.

실제 사례 — 인사 기록 2,500건의 무게

유출된 인사 기록 2,500건도 그 자체로 끝나지 않습니다. 담당자 이름과 소속, 연락처가 담긴 자료는 다음 공격의 재료가 됩니다.

누가 어느 시스템을 관리하는지 알면 표적을 정확히 고를 수 있습니다. 정보 유출이 위험한 이유는 대개 유출 자체보다 그다음에 있습니다.

작고 흐릿한 큐브 하나가 밝은 청록빛 사각 통로 앞에서 멈춰 선 모습 — 다음 공격을 앞둔 상황을 표현한 개념 이미지

오픈소스를 탓할 일인가

여기서 조심할 지점이 있습니다. 헤르메스나 오픈클로가 공격용으로 만들어진 게 아니라는 점입니다. 둘 다 정상적인 용도로 널리 쓰이는 도구입니다.

문제는 범용 자동화 능력이 그대로 공격 능력이 된다는 데 있습니다. 시스템을 조사하고 절차를 반복하는 능력은 관리 업무에도, 침투에도 똑같이 쓰입니다.

저시력 사용자와 접근성 관점에서

이 사건은 접근성과도 무관하지 않습니다. 화면을 대신 읽고 조작을 대신해 주는 에이전트는 저시력 사용자에게 큰 도움이 되는 기술입니다.

바로 그 대신 조작해 주는 능력이 이번 공격에 쓰인 능력과 같습니다. 그래서 접근성 도구를 만들 때도 권한 범위를 좁게 잡고, 무엇을 했는지 기록을 남기는 설계가 필요합니다. 편리함과 위험이 같은 기능에서 나오기 때문입니다.

커다란 어두운 사각 구조물 안에 밝은 청록빛 큐브 하나가 떠 있는 모습 — 통제된 환경에 격리된 에이전트를 표현한 개념 이미지

개인과 조직이 지금 할 수 있는 일

거창한 대책 이전에 기본이 먼저입니다. 계정 85개가 뚫렸다는 건 결국 인증이 무너졌다는 뜻입니다.

다단계 인증을 켜고, 쓰지 않는 계정을 정리하고, 한 계정이 여러 시스템에 통하지 않게 권한을 나누는 일이 여전히 가장 효과가 큽니다. 자동화된 공격일수록 이런 기본에서 걸립니다.

무엇을 지켜봐야 하나

앞으로 볼 지점은 세 가지입니다. 첫째, 같은 수법이 다른 나라에서도 확인되는지. 둘째, 오픈소스 에이전트 프레임워크에 안전장치를 넣는 논의가 어떻게 흘러가는지.

셋째, 방어 쪽도 에이전트를 쓰기 시작할지입니다. 쉬지 않는 공격자에는 쉬지 않는 방어자가 필요하다는 이야기가 이미 나오고 있습니다.

가느다란 청록빛 선 여러 가닥이 매끈한 어두운 큐브를 단단히 둘러싼 모습 — 권한을 좁게 묶는 방어 설계를 표현한 개념 이미지

핵심 정리

  • 대만 정부 기관들이 7월 1~4일 준자율 인공지능 에이전트의 공격을 받았다고 8월 13일 공개했습니다.
  • 나흘 동안 시스템 21곳 파악, 계정 85개 탈취, 인사 기록 2,500건 이상이 유출됐습니다.
  • 공격에는 오픈소스 프레임워크 헤르메스와 오픈클로가 쓰였고, 최대 여덟 개 하위 에이전트가 12차례에 걸쳐 움직였습니다.
  • 표적은 정부 공급망 업체, 원자력 안전 기관, 에너지 기업 일곱 곳 이상으로 번졌습니다.
  • 로그의 간체자·번체자 혼용을 근거로 연구자들은 중국 본토 운영자를 지목했지만, 대만 당국은 "해외 정황"까지만 밝혔습니다.
  • 앞선 GTG-1002와 달리 오픈소스 도구를 썼기 때문에 제공사가 차단할 방법이 없다는 점이 가장 큰 차이입니다.

함께 이야기해요

누구나 받을 수 있는 도구로 국가 기반시설이 뚫렸습니다. 여러분은 오픈소스 인공지능 에이전트에 안전장치를 넣어야 한다고 보시나요, 아니면 그게 현실적으로 가능하지 않다고 보시나요?

방어 쪽도 에이전트를 써야 한다는 주장에 대한 생각도 들려주세요.

출처

  1. CNN Business — Hackers used autonomous AI agents to attack Taiwan
  2. Taipei Times — AI-driven hacking campaign targets Taiwan government agencies
  3. CyberScoop — Researchers observe first 'near-autonomous' AI attack on government target
  4. The Register — 'Near-autonomous' AI agents attack Taiwan's nuclear safety agency
  5. NBC News — Taiwan says it was targeted in AI-driven hacking campaign
  6. Tech Times — Open-Source AI Agents Breach Taiwan Nuclear Agency
  7. Benzinga — AI agents breached 85 accounts, stole thousands of records
  8. Cybersecurity Dive — Anthropic warns state-linked actor abused its AI tool (GTG-1002)

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://kuroicode-beep.github.io/svil-homepage/