2026년 6월 24일, 일산 킨텍스에서 열린 '2026 공공 AI 박람회' 부대행사인 '2026년 상반기 지능정보화책임관(CIO) 협의회'에서 이상근 고려대학교 AI보안연구소장이 발표한 내용이 보안 업계에 충격을 주고 있다. 핵심 메시지는 단 하나다.
Field note
"2018년에는 취약점이 공개된 후 실제 공격이 발생하기까지 평균 2~3년이 걸렸지만, 현재는 8시간으로 줄었다. 취약점이 발견되고 나서 8시간 안에 패치를 하지 않으면 시스템이 뚫릴 수도 있다."
Field note
— 이상근 고려대학교 AI보안연구소장 (2026.06.24, 연합뉴스)
이 발언이 충격적인 이유는 단순히 공격 속도가 빨라졌다는 사실 때문이 아니다. 국내 공공기관의 평균 패치 주기가 연 1~2회에 불과하다는 현실과 맞닿아 있기 때문이다. 취약점이 발견되고 8시간 안에 패치해야 하는데, 공공기관은 반년에 한 번 패치한다. 이 간극이 바로 오늘날 공공 IT 보안의 가장 큰 구조적 위기다.
SECTION 011. 얼마나 빨라졌나: 취약점 악용 속도의 역사적 변화
취약점 악용 속도(Time-to-Exploit, TTE)는 보안 업계에서 가장 중요하게 추적하는 지표 중 하나다. 이 수치가 어떻게 변화해 왔는지 살펴보면 현재 상황의 심각성이 더욱 명확해진다.
| 연도 | 취약점 공개 → 실제 공격까지 평균 소요 시간 | 주요 원인 |
|---|---|---|
| 2010년대 초반 | 수 개월 ~ 1년 | 수동 익스플로잇 개발, 제한된 공격자 역량 |
| 2018년 | 2~3년 | 자동화 도구 초기 단계 |
| 2022년 | 수 주 ~ 수 개월 | 다크웹 익스플로잇 거래 활성화 |
| 2024년 | 수 일 ~ 수 주 | AI 보조 취약점 분석 도구 확산 |
| 2026년 현재 | 평균 8시간 | AI 자율 익스플로잇 생성 모델 등장 |
이 변화의 핵심 동인은 AI의 무기화다. 기존에는 취약점을 발견하더라도 실제 공격 코드(익스플로잇)를 개발하는 데 고급 보안 전문가가 수 주에서 수 개월을 투자해야 했다. 그러나 2026년 현재, Anthropic의 Claude Mythos Preview와 같은 AI 모델은 취약점을 탐지하는 것을 넘어 해당 취약점을 실제로 파고드는 공격 코드까지 스스로 생성할 수 있다.
실제로 중국 국가 후원 해킹 그룹 'GTG-1002'가 Anthropic AI를 활용해 정찰부터 취약점 탐색, 익스플로잇 생성, 내부 이동, 자산 탈취까지 해킹 전 단계의 80~90%를 자동화한 사례가 지난해 보고됐다. 이는 더 이상 국가 수준의 해킹 그룹만의 이야기가 아니다. AI 도구의 민주화로 인해 기술 수준이 낮은 공격자도 고도화된 공격을 수행할 수 있는 시대가 됐다.
SECTION 022. 공공기관의 현실: 패치 주기와 공격 속도의 치명적 간극
왜 공공기관은 패치를 빨리 못 하는가
공공기관이 취약점 패치를 신속하게 적용하지 못하는 데는 구조적인 이유가 있다.
첫째, 검증 절차의 복잡성이다. 공공기관은 보안 패치를 적용하기 전에 기존 시스템과의 호환성 검증, 담당자 승인, 변경관리위원회 심의 등 복잡한 절차를 거쳐야 한다. 이 과정이 최소 수 주에서 수 개월이 걸린다.
둘째, 레거시 시스템 의존도가 높다. 많은 공공기관이 10년 이상 된 레거시 시스템을 운영하고 있으며, 이런 시스템은 최신 패치를 적용하면 운영 장애가 발생할 위험이 있어 패치 적용을 더욱 꺼리게 된다.
셋째, 보안 전문 인력 부족이다. 이상근 소장은 "최소 지금의 100배 이상 사이버 보안 인력이 필요하다"고 단언했다. 공공기관 보안 인력 유출 문제는 2026년 5월 보안 컨퍼런스에서도 "보상은 적고 책임은 많은 기형 구조"로 지적된 바 있다.
간극의 수치화
이 간극을 수치로 표현하면 다음과 같다.
| 구분 | 현재 수준 | 필요 수준 | 간극 |
|---|---|---|---|
| 취약점 악용까지 소요 시간 | 8시간 | — | — |
| 공공기관 평균 패치 주기 | 연 1~2회 (약 180~365일) | 8시간 이내 | 약 540~1,095배 |
| 보안 인력 규모 | 현재 수준 | 현재의 100배 | 99배 부족 |
이 수치는 단순한 통계가 아니다. 공공기관이 취약점 패치를 적용하기 전 약 180일 동안 해당 취약점이 열려 있다는 의미이며, 그 180일 중 취약점이 공개된 시점부터 8시간 이후에는 언제든 공격받을 수 있다는 뜻이다.
SECTION 033. NIST NVD의 사실상 붕괴: 패치 기준 자체가 흔들린다
상황을 더욱 악화시키는 요인이 있다. 국내 기업과 공공기관이 패치 우선순위 결정의 기준으로 삼아온 미국 NIST의 국가취약성데이터베이스(NVD)가 사실상 제 기능을 잃어가고 있다는 것이다.
이상근 소장의 설명에 따르면, 전 세계적으로 생산되는 코드 양이 폭증하면서 NIST가 인력으로 취약점을 일일이 분석하는 것이 불가능해졌다. 2026년 3월, NIST는 밀린 2만 9천여 건에 대해 사실상 포기 선언을 하고, 미국 행정부가 사용하는 소프트웨어 중심으로만 분석하겠다고 방향을 바꿨다.
실제로 2025년 등록 CVE(공통 취약점 및 노출) 수는 4만 8천 개를 돌파했다. AI 기반 취약점 탐지 도구의 확산으로 취약점 발견 속도가 인간의 분석 속도를 압도적으로 초과한 결과다.
Field note
"국내 기업들은 패치 제작 시 NVD 정보에 거의 전적으로 의존해왔는데, 이제는 독자적인 취약점 데이터베이스 구축이 불가피한 상황이 됐다."
Field note
— 이상근 고려대학교 AI보안연구소장
이는 공공기관 IT 담당자들에게 매우 중요한 시사점을 준다. 지금까지 "NVD에서 Critical 등급 취약점이 나오면 패치한다"는 방식으로 운영해왔다면, 이제는 그 기준 자체가 불완전해졌다는 의미다.
SECTION 044. AI 슬롭(AI Slop)과 버그 바운티 생태계의 붕괴
AI가 보안 방어에만 영향을 미치는 것이 아니다. 보안 연구 생태계 자체도 흔들리고 있다.
AI 모델들이 대량의 취약점 리포트를 기계 검수 없이 자동 양산하기 시작하면서, 무가치한 가짜 리포트가 보안 팀에 쏟아지는 'AI 슬롭(AI Slop)' 현상이 심화되고 있다. 그 결과는 다음과 같다.
- Curl 프로젝트: 창립자 다니엘 스텐베르그가 "단 16시간 만에 AI가 기계 작성한 오탐 가짜 리포트를 7개나 연속 접수했다"고 비판하며 2026년 1월 글로벌 버그 바운티 프로그램을 공식 폐쇄
- HackerOne: 2012년부터 운영된 '인터넷 버그 바운티(IBB)' 프로그램이 2026년 3월 27일부로 신규 취약점 접수를 전면 중단
- Nextcloud: 저품질 정크 리포트 홍수로 인해 2026년 4월 유료 버그 바운티 포상금을 잠정 중단
이 현상이 공공기관에 미치는 영향은 명확하다. 기존에 보안 연구자들이 자발적으로 취약점을 발견하고 신고하던 생태계가 무너지면서, 공공기관 시스템의 취약점이 발견되더라도 적절한 채널로 보고되지 않고 악의적 공격자에게만 활용될 가능성이 높아졌다.
SECTION 055. 공공기관이 지금 당장 해야 할 5가지 대응 전략
전략 1: 취약점 진단 주기를 연 1~2회에서 상시 자동화로 전환
가장 시급한 과제는 패치 주기 자체를 바꾸는 것이 아니라, 취약점을 먼저 발견하는 체계를 구축하는 것이다. 공격자가 AI로 8시간 만에 익스플로잇을 만든다면, 방어자도 AI로 취약점을 먼저 발견해야 한다.
지란지교에스앤씨의 VADA(Vulnerability Analysis & Diagnosis Application)는 KISA 가이드라인 기반 자동 취약점 진단 솔루션으로, GS 인증 및 조달청 등록 제품이다. 연 1~2회 수동 점검 방식에서 벗어나 정기적인 자동 스캔 체계를 구축하는 데 활용할 수 있다.
전략 2: 독자적 취약점 데이터베이스 구축 또는 전문 서비스 구독
NVD 의존도를 낮추고 국내 공공기관 환경에 특화된 취약점 정보를 수집해야 한다. KISA의 보안 공지, 국정원 안전성 검증필 제품 목록, 각 벤더사의 보안 권고문(Security Advisory)을 통합 관리하는 체계가 필요하다.
전략 3: 네트워크 가시성 확보로 침해 조기 탐지
패치를 8시간 안에 적용하는 것이 현실적으로 불가능하다면, 패치 이전에 공격 시도를 탐지하는 체계가 필요하다. 기가몬(Gigamon)의 네트워크 가시성 솔루션은 네트워크 트래픽을 실시간으로 분석해 이상 징후를 탐지하고, SIEM/SOC 시스템과 연동해 침해 시도를 조기에 발견할 수 있다.
전략 4: 차세대 방화벽(NGFW)으로 알려지지 않은 공격 차단
AI가 생성한 새로운 익스플로잇은 기존 시그니처 기반 방화벽으로는 탐지가 어렵다. 팔로알토 PA 시리즈와 같은 차세대 방화벽은 App-ID, User-ID, Content-ID 기술을 결합해 알려지지 않은 위협도 행동 기반으로 탐지한다. 특히 WildFire 클라우드 위협 인텔리전스와 연동해 새로운 악성코드 패턴을 실시간으로 업데이트한다.
전략 5: 멀티에이전트 AI 방어 체계 도입 검토
이상근 소장이 제시한 대안은 '멀티에이전트 스캐폴드' 방식이다. 여러 AI가 협력해 취약점을 탐지하고 자동으로 패치하는 방식으로, 단일 외산 AI 모델에 의존하는 것의 한계를 극복하는 접근법이다. 공공기관은 단기적으로 AI 기반 취약점 탐지 도구를 도입하고, 중장기적으로 자동 패치 검증 체계를 구축하는 로드맵을 수립해야 한다.
SECTION 066. 프로젝트 글래스윙의 양날의 검: 참여해야 하나 말아야 하나
이상근 소장은 정부가 참여를 추진 중인 Anthropic의 글로벌 AI 보안 연합체 '프로젝트 글래스윙(Project Glasswing)'에 대해서도 신중론을 폈다.
글래스윙은 Claude Mythos Preview를 검증된 기관에 제한적으로 제공해 소프트웨어 취약점을 선제적으로 방어하는 구조다. 그러나 참여 기관의 분석 데이터가 미국 서버로 넘어간다는 점이 문제다.
Field note
"글래스윙에 포함된 기업들은 Anthropic AI를 무상으로 쓰는 대신 분석 데이터가 30일간 미국 서버에 보관된다. 기관 내부의 코드나 지적 재산, 운영 관련 정보 등이 미국 서버로 넘어가 AI 학습에 활용될 수 있다."
Field note
— 이상근 고려대학교 AI보안연구소장
실제로 Anthropic이 글래스윙 참여 기관 명단을 미국 행정부에 제출하는 과정에서 "중국과 연계가 의심되는 한국 통신사"가 발견됐다는 증언이 나오면서 SK텔레콤이 거론되기도 했다. 공공기관 입장에서는 AI 보안 도구의 효과와 데이터 주권 사이에서 신중한 판단이 필요하다.
SECTION 077. 결론: 보안은 이제 '반응'이 아닌 '선제'여야 한다
8시간이라는 숫자는 단순한 통계가 아니다. 이는 공공기관 IT 보안의 패러다임이 근본적으로 바뀌어야 한다는 신호다.
기존의 보안 모델은 "공격이 발생하면 대응한다"는 반응형(Reactive) 접근이었다. 그러나 AI가 8시간 만에 익스플로잇을 생성하는 시대에는 반응형 보안은 이미 늦다. "취약점이 발견되기 전에 먼저 찾아 막는다"는 선제형(Proactive) 보안으로의 전환이 필수다.
이를 위해 공공기관이 갖춰야 할 핵심 역량은 세 가지다.
첫째, 상시 취약점 진단 자동화. 연 1~2회 점검에서 벗어나 지속적인 자동 스캔 체계를 구축해야 한다.
둘째, 실시간 네트워크 가시성. 패치 이전에 공격 시도를 탐지할 수 있는 네트워크 모니터링 체계가 필요하다.
셋째, AI 기반 위협 인텔리전스 연동. 단독 시스템으로는 한계가 있으며, 글로벌 위협 인텔리전스와 실시간으로 연동되는 차세대 방화벽과 보안 솔루션이 필요하다.
공공기관의 디지털 전환이 가속화될수록 보안의 중요성은 더욱 커진다. 8시간의 경고를 무겁게 받아들이고, 지금 당장 보안 체계를 점검해야 할 때다.
참고 자료
- 연합뉴스, "공공기관 AI 도입 '보안 준비' 됐나…미토스 시대 경고음", 2026.06.24
- IGLOO Security, "키워드로 살펴보는 2026년 상반기 보안위협", 2026.06.15
- KISA, "2026년 N2SF 도입 지원사업 공고 및 선정 결과"
- 사이버안보저널, "2026년 6월 24일 정보보안 뉴스", 2026.06.24
- Anthropic, "Statement on the US government directive to suspend access to Fable 5 and Mythos 5", 2026.06.12