연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
연구팀은 Lazarus Group이 한국의 특정 보안 소프트웨어(CrossWeb EX)를 악용하고 워터링홀 전략을 사용하여 새로운 공격 캠페인(Operation FlashHole)을 수행했음을 분석했다. 이 공격은 피싱 이메일과 가짜 웹사이트를 통해 초기 침투가 이루어졌으며, 공격은 2025년 7월경부터 관찰된 것으로 추정된다.
시사점 국내에서 사용되는 필수 보안 소프트웨어가 공격 벡터로 악용될 수 있으므로, 해당 소프트웨어의 취약점 및 공격 시나리오에 대한 지속적인 모니터링이 필요하다.
본 보고서는 안티디텍트 브라우저가 사용자의 디지털 신원을 숨겨 단일 운영자로 다수의 계정을 동시에 운영하게 만드는 것을 조명한다. 이러한 기술은 페이스북, 인스타그램, X 등 다양한 플랫폼에서 탐지 시스템을 우회하며 사용될 수 있다.
시사점 AI 기반 안티디텍트 브라우저는 온라인상에서 대규모 계정을 운영하며 탐지를 회피하는 데 사용될 수 있으므로 이에 대한 경각심을 가져야 한다.
연구팀은 정부 기관을 겨냥한 공격 캠페인(CL-UNK-1211)을 추적했으며, 공격자들이 AI 생성 페이로드와 자동화된 AI 에이전트를 활용하여 리눅스 환경에 침투했음을 확인했다. 이 공격은 웹 쉘 배포, 자격 증명 탈취, 데이터베이스 덤프 시도 등 다양한 공격 기법을 사용했다.
시사점 공격자들이 AI를 활용하여 공격 페이로드를 생성하고 공격 전반의 워크플로우를 자동화했으므로, AI 기반 공격에 대비한 방어 체계 구축이 필요하다.
본 연구는 소프트웨어 스캐닝과 하드웨어 수준의 마이크로프로세서 활동 모니터링을 결합한 새로운 프레임워크를 제안하여 랜섬웨어 탐지 및 완화를 시도했다. 이 접근 방식은 기존 방법 대비 향상된 탐지 정확도와 낮은 지연 시간을 달성했으며, 결정 과정을 설명하는 추적 수준의 해석 가능성을 제공한다.
시사점 랜섬웨어 탐지에 있어 소프트웨어적 분석과 하드웨어적 활동 모니터링을 결합하는 것이 효과적이며, 이는 탐지 정확도와 지연 시간 개선에 기여한다.
연구진은 러시아 연계 APT 그룹 UAC-0099이 사용하는 C# 다운로더 MATCHBOIL의 다양한 버전을 분석하며, 코드 난독화 기법이나 샌드박스 탐지 회피 기법의 변화를 추적했다. 이 멀웨어는 초기에는 비교적 단순했으나 이후 버전으로 갈수록 공격의 정교함이 높아지는 양상을 보였다.
시사점 APT 그룹이 사용하는 멀웨어의 진화 양상을 파악하고 각 버전에 적용된 기술적 변화를 추적하는 것이 중요하다.
본 연구는 LLM을 이용한 악성코드 분류 프레임워크 MARS를 제시하고, 직접 분류와 단일 통과 주장 점수화 방식을 비교했습니다. 직접 분류는 모든 모델에서 더 높은 정확도를 보였으며, 사용 가능한 출력 샘플에서 정확도 우위는 3.7에서 20.9 퍼센트포인트 범위였습니다.
시사점 단순히 판결(verdict)이 필요하다면 직접 분류가 유리하며, 주장(claim)을 유지하는 것은 명시적인 정책 검토 및 수정에 도움을 줄 수 있다.
공격자들은 정적 C2 엔드포인트에서 Web3 기반 스마트 계약을 이용한 동적 인프라로 진화시키며 공급망 공격을 수행한다. ChainDrop 및 PolinRider 캠페인은 오픈소스 패키지를 이용해 클라우드 접근 키를 탈취하고 Web3 메커니즘을 통해 C2를 유지하는 방식을 보여준다.
시사점 조직은 Web3 네트워크 활동이 예상되는지 평가하고, 모든 CI/CD 러너와 버전 관리 시스템에 정책 통제를 자동화해야 한다.
연구팀은 이란과 연계된 공격 그룹이 두바이 공항을 사칭하여 이라크 주요 인프라를 겨냥한 '블린더 터널' 캠페인을 수행했음을 추적했다. 이 공격은 Windows 개발 파일 익스플로잇, AppDomainManager 하이재킹, DLL 사이드로딩을 통해 초기 침투에 성공했으며 GitHub API를 C2 통신에 악용했다.
시사점 지속적으로 진화하는 국가 지원 공격 그룹의 활동 패턴과 침투 기술을 인지하고 방어 체계를 구축해야 한다.
아리조나 주 법원 시스템이 피싱 공격으로 인해 해킹되었다. 공격자는 보호 명령 기록과 15만 개 이상의 양육 검토 보드 보고서를 포함한 백업 파일을 복사했다.
시사점 이 보고서는 실무자들이 최근 사이버 공격 사례를 인지하고 대응 전략을 수립하는 데 참고할 수 있다.
랜섬웨어 공격을 효과적으로 탐지하기 위해 오토인코더와 메타러닝을 결합한 하이브리드 딥러닝 프레임워크를 제안한다. Ransomware Dataset 2024에서 1~50 샷 설정에서 정확도, F1 점수, 매튜스 상관계수(MCC)가 높게 나타났다.
시사점 소수 샘플로도 높은 탐지 성능을 보이는 하이브리드 모델은 제한된 라벨 데이터 환경에서 악성코드 대응력을 향상시킬 수 있다.
이 연구는 IoT 기기의 보안 취약성을 해결하기 위해 구조화된 상태공간 시퀀스(S4) 모델을 악성코드 분석에 처음으로 적용하였다. S4 모델은 악성코드 실행 흐름 내의 인과 관계를 파악하여 장거리 의존성을 포착함으로써 분류 성능을 향상시킨다.
시사점 이 연구는 IoT 환경에서 악성코드를 효과적으로 탐지하고 분류할 수 있는 새로운 접근법을 제시하여, 실무에서 보다 정확한 보안 대응을 가능하게 한다.
악성코드의 '복잡도' 정의를 체계화하고, 정적 바이너리 분석을 통해 악성코드 품질을 평가하는 방법을 제시한다. ISO/IEC 25010 표준의 신뢰성, 유지보수성, 유연성, 보안성 등을 재해석하여 악성코드에 적용 가능성을 평가한다.
시사점 악성코드 복잡도 평가 기준을 체계화하여, 소스코드가 없거나 동적 실행이 어려운 상황에서도 일관된 평가가 가능해진다.
기존 악성코드 탐지기는 결정 근거를 제공하지 않는다. 본 연구는 악성 행동을 코드 영역과 연결하는 프레임워크를 제안한다. Transformer와 그래프 신경망을 결합한 모델로 정확한 분류와 해석 가능성을 달성했다. 정량 결과는 원문 참조.
시사점 이 연구는 악성코드 분석 시 행동 추적을 가능하게 하여 분석 효율성을 높인다.
문제 공간 회피 공격을 통해 9가지 최신 회피 공격을 8개 윈도우즈 악성코드 탐지기에 대규모로 평가하여, 탐지기의 취약점이 모델 표현 방식과 공격 유형에 따라 달라짐을 보였다. 99%의 적대적 예제는 두 가지 보완적 공격으로 설명된다.
시사점 악성코드 탐지 시스템의 강건성을 평가할 때 공격 유형과 모델 표현 방식을 함께 고려해야 하며, 적대적 강화 방식의 효과는 공격과 모델에 따라 크게 달라진다.
랜섬웨어 공격으로 피해를 입은 의료기관과 보험사의 정보를 법적·경제적 동기로 인해 공유하지 않는 문제를 해결하기 위해, 공개된 소셜 미디어 게시글을 분석하여 공격의 영향을 파악하는 방법을 제안한다. 2018년부터 2024년까지 1,628개의 페이스북과 레딧 게시글을 수집하고, 212건의 랜섬웨어 공격과 매칭한 후 정량적·정성적 분석을 통해 공격이 의료 인프라, 환자 치료, 의료 제공자에 미치는 영향을 조사했다.
시사점 이 연구는 의료 랜섬웨어 공격의 실질적 영향을 파악하기 위해 소셜 미디어 데이터를 활용할 수 있음을 보여주며, 법적·제도적 장벽이 있는 상황에서 대체 정보 수집 방법을 제시한다.
최근 피싱 공격은 문법 오류나 의심스러운 URL을 피하고, 정상적인 워크플로우를 악용하는 방식으로 진화하고 있다. 2026년 상반기 ESET의 통계에 따르면 QR 코드 피싱은 감지된 피싱 이메일의 1/9를 차지했으며, Microsoft는 QR 코드를 가장 빠르게 성장하는 이메일 기반 공격 벡터로 분류하고 있다.
시사점 이 결과로 인해 기업은 단순히 사용자 교육에만 의존하는 대신, 이메일 인증과 보안 조치를 강화해야 한다.
인포스틸러 악성코드의 피해자 데이터셋을 구축하고 분석하여, 피해자의 서비스별 노출 패턴과 재피해 위험 등을 밝혔다. 170,298명의 피해자를 분석하여 게임·엔터테인먼트 서비스가 과대표시된 것을 확인했다.
시사점 이 연구는 인포스틸러 악성코드의 피해자 행동과 노출 패턴을 이해하는 데 중요한 데이터셋을 제공하여 보안 대응 전략을 개선할 수 있다.
악성코드 분석을 위한 그래프 신경망의 보정 방법을 평가하여, 구조적 입력이 보정 성능에 미치는 영향을 분석했다. 8개 커뮤니티 공변량을 추가한 보정기의 평균 음의 로그 우도(NLL)는 0.1369 증가했으며, 라벨 독립 변수를 추가한 대조군은 0.0415 증가했다.
시사점 악성코드 분석 시 구조적 특성에 기반한 보정 방법의 한계를 이해하고, 라벨 없는 대체 보정 전략을 고려해야 한다.
MacSync 악성코드의 새로운 감염 체인을 분석하고, 이전 버전과 다른 배포 방식과 페이로드 구조를 설명한다. iCloud를 활용한 다단계 배포와 Objective-C/Swift로 작성된 모듈이 특징이다.
시사점 MacSync의 새로운 배포 방식을 인식하면, macOS 환경에서의 악성코드 탐지 및 대응 전략을 개선할 수 있다.
비트코인 ATM을 이용한 사기의 작동 방식과 피해 통계를 분석하고, 예방 및 대응 방법을 제시한다. 2025년 FBI 자료에 따르면 13,460건의 사기로 3억 8,900만 달러가 손실되었다.
시사점 비트코인 ATM을 통한 사기는 환불이 어려우므로, 의심스러운 전화나 팝업 메시지에 즉시 전화를 끊고 공식 경로로 확인해야 한다.
자원 제약 환경에서 멀티클래스 악성코드 분류 정확도를 향상시키기 위해 LightGBM 분류기와 SMOTE 과소표본, SOM-US 과다표본 기법을 사용한 가벼운 기계 학습 모델을 제안한다. LightGBM 모델은 악성코드 가족 분류에서 89.1% 정확도, 개별 악성코드 분류에서 76% 정확도를 달성했다.
시사점 이 연구는 IoT와 같은 자원 제약 환경에서 악성코드 탐지 정확도를 향상시키는 가벼운 모델을 제안하여 실무에서 즉시 적용 가능한 방안을 제시한다.
본 페이지의 연구 요약은 공개된 초록을 AI가 한국어로 정리한 것으로, 원문과 차이가 있을 수 있습니다. 정확한 내용은 반드시 원문을 확인하십시오. 본문과 PDF는 제공하지 않으며, 모든 저작권은 각 저자와 발행처에 있습니다.