ARTEX AI 기반 공격 캠페인, 한국의 7개 금융 회사 타겟

요약

알 수 없는, 아마도 재정적 동기를 가진 위협 행위자가 ARTEX AI 기반 자율 침투 테스트 시스템을 사용하여 여러 남한 금융 기관을 침해했습니다. 공격자는 DeepSeek 및 Claude Code를 포함한 대형 언어 모델(LLM)을 활용하여 취약점 발견 및 익스플로잇을 가속화했습니다. 이 캠페인은 고객의 소득, 대출 및 기타 민감한 금융 데이터를 포함한 약 67,000건의 기록을 도난당하는 결과를 초래했습니다.

조사

CrowdStrike 조사관은 공격자의 서버에 호스팅된 보안되지 않은 열린 디렉토리를 발견한 후 활동을 추적했습니다. 해당 디렉토리는 세션 로그, 구성 파일, 메모리 아티팩트를 노출하여 공격자의 방법론 및 식별 특성을 밝혔습니다. 연구원들은 해당 작업을 ARTEX 프레임워크와 연결하고 외부 LLM API에 액세스하는 데 사용된 프록시 IP 주소의 네트워크를 식별했습니다.

완화

조직은 에지 시스템, 서드파티 통합, 모바일 지원 플랫폼을 포함한 자산 인벤토리를 확장해야 합니다. 로컬에서 제약을 받지 않는 AI 모델을 통한 지속적인 자동 레드 팀 훈련은 전통적인 연례 평가보다 더 빈번하게 약점을 드러낼 수 있습니다. Insecure Direct Object References(IDOR) 및 유사한 접근 통제 취약점에 대해서도 모든 인터넷에 노출된 엔드포인트를 보호하는 것이 필수적입니다.

대응

의심스러운 쿼리 또는 고객 데이터 엔드포인트에 대한 무단 접근이 감지되면, 조직은 즉시 API 로그 및 활성 세션 토큰을 검토해야 합니다. 자동화된 열거를 줄이기 위해 고객 ID 조회 서비스에 엄격한 비율 제한을 시행해야 합니다. 보안 팀은 또한 무단 에이전트 기반 도구 및 알려진 LLM 프록시 인프라와 관련된 비정상적인 트래픽 패턴을 찾는 것이 중요합니다.

시뮬레이션 실행

전제조건: 원격 측정 및 기본 라인 사전 점검이 통과했어야 합니다.

이유: 본 섹션은 검출 규칙을 촉발하기 위해 설계된 적대 기술(TTP)의 정확한 실행을 상세히 설명합니다. 명령어 및 서술은 반드시 확인된 TTP를 직접 반영하고 검출 논리에 따라 예상되는 정확한 원격 측정을 생성하는 것이 목표입니다. 추상적이거나 관련 없는 예시는 오진을 초래할 수 있습니다.

• 공격 내러티브 및 명령: 적대자는 개발자 워크스테이션에 초기 접근 권한을 얻었습니다. 그들은 자동화된 익스플로잇 프레임워크에서 일관성을 유지하기 위해 사용자의 임시 디렉토리에 CLAUDE.md 파일을 떨어트리려고 시도합니다. 이 파일에는 AI 기반 에이전트를 통한 추가 정찰 및 측면 이동을 안내하는 중국어로 된 특정 지침이 포함되어 있습니다. 목표는 SOC가 이 특정 구성 파일의 존재를 탐지하는지 확인하는 것입니다.

• 회귀 테스트 스크립트:

  # 탐지 규칙을 촉발하기 위한 시뮬레이션 스크립트
  $targetPath = "$env:TEMPCLAUDE.md"
  $content = "AI 에이전트 지침: 로컬 네트워크에 대해 정찰 수행."
  
  Write-Host "[+] 민감한 파일 생성 중: $targetPath"
  Set-Content -Path $targetPath -Value $content
  
  Write-Host "[+] 파일 생성됨. SIEM에서 탐지를 확인하세요."

• 정리 명령어:

  # 시뮬레이션 아티팩트 클린업
  Remove-Item -Path "$env:TEMPCLAUDE.md" -Force -ErrorAction SilentlyContinue
  Write-Host "[+] 클린업 완료."