2025년 제44회 사이버헬퍼 보안 리포트 AI-Augmented OAuth Manipulation Attack (AOMA)

 

 

서론
OAuth는 현대 웹 서비스의 표준 인증 프레임워크다.
Google, Apple, Microsoft 로그인부터
기업용 SaaS, 협력사 API 연동까지
수십억 건의 인증 및 권한 위임이 OAuth로 이뤄진다.

문제는 OAuth가 “사용자 대리 권한 위임” 구조라는 점이다.
2025년 등장한 AOMA(OAuth Manipulation Attack)는
AI가 OAuth의 Redirect, Scope, State Parameter를
정상 범위 내에서 정밀하게 조작하여
사용자·서비스·보안팀 모두 눈치채지 못하는 권한 탈취를 수행한다.

이 공격은 MFA, SSO, Zero Trust 모두 우회 가능하며
OAuth 기반 SaaS와 연동된 전체 기업 시스템을 노출시킨다.

1. AOMA가 등장하게 된 배경

1. OAuth는 안전하지만 “표현식이 너무 넓다”
   OAuth 사양은 느슨하고 유연하게 디자인되어 있다.
   그래서 앱마다 아래 요소가 조금씩 다르게 동작한다.

• Redirect URL 구조

• Scope 요청 방식

• State 검증 방식

• Access Token 발급 정책

• Refresh Token 만료 전략

AI는 이 “표현식의 다양성”을 최고 수준으로 악용한다.

1. OAuth 인증 중 사용자 판단 개입이 매우 큼
   사용자가 Scope를 허용해야 하므로
   UI 기반의 “심리적 선택”이 포함된다.

AI는

• 글자 크기

• 선택 순서

• 버튼 위치

• Chrome/Edge 렌더 특징
  등을 분석하여 공격 타이밍을 정밀하게 잡는다.

1. OAuth는 서버 간 통신이라 로깅이 제한적
   Scope Injection이나 Redirect Layer 조작은
   서버 로그와 UI 간 불일치를 만들기 쉽지 않다.
   AI는 이 구조를 활용해 “정상 OAuth 플로우처럼 보이는” 공격을 수행한다.

1. AOMA 공격 시나리오 (6단계)

Step 1. OAuth Flow Fingerprinting
AI는 대상 서비스의 OAuth 구조를 완벽하게 분석한다.
예시:

• Auth Code Grant 사용 여부

• Redirect URL Dynamic Parameter

• Scope 분할 구조(openid, email, drive, admin 등)

• Token Exchange API Path

• 로그인 흐름에 걸리는 평균 시간

이로써 “정상 플로우의 수학적 모델”이 만들어진다.

Step 2. Scope Shadow Injection
AI는 기존 Scope 리스트에
육안으로 구분하기 어려운 Scope를 은밀히 추가한다.

예:
drive.readonly → drive.metadata.readonly
profile → profile+metadata

UI 상으로는 거의 차이가 없고
사용자는 Scope를 읽지 않는다.

Step 3. Redirect URL Parity Attack
완전 위조가 아니라
정상 Redirect URL과 “동형(Parital-Derivative)” 구조를 만든다.

정상:
https://app.company.com/auth/callback

공격자 변형:
https://app-company.com/auth/callback
https://app.company.com.auth-secure.net/callback

DNS 패턴까지 AI가 자연스럽게 맞춘다.

Step 4. Token Exchange Duplication
Auth Code → Access Token 변환 과정에서
일시적으로 생성되는 Authorization Code를
AI가 “두 흐름으로 분기”시킨다.

결과적으로
사용자도 정상 로그인되고
공격자도 동일 Access Token을 갖게 된다.

Step 5. Refresh Token Hijacking
AI는 Refresh Token을 확보한 뒤
“정상 패턴과 동일한 주기”로 Refresh 요청을 보낸다.

예:
사용자: 29~33일 주기
AI: 30.1일 주기로 교차 요청

불규칙성까지 패턴화하여 탐지 회피.

Step 6. Privilege Materialization
AI가 확보한 권한은 즉시 악용하지 않는다.
수일~수개월 후
사용자 업무 패턴과 일치하는 시간대에
조직 민감 데이터를 접근한다.

이 때문에
보안팀은 이를 “정상 사용자 활동”으로 오인한다.

1. 실제 발생 가능한 피해 시나리오

사례 A — Google Workspace Shadow Admin
OAuth 기반 메일·Drive 연동 앱에서
추가 Scope 하나로 관리 권한 일부 탈취.
모든 로그가 정상 사용자 것과 동일하게 기록됨.

사례 B — GitHub OAuth 계정 통한 코드 유출
OAuth 인증 기반 CI/CD 연결 토큰이
AI에 의해 분기되어
비밀 레포지토리 clone 가능 상태가 지속됨.

사례 C — Slack OAuth Bot 권한 확장
봇 앱의 Scope가 1줄 추가되면서
DM·파일 접근이 가능해짐.
사용자 누구도 이 변화를 인지하지 못함.

사례 D — CRM OAuth 연동 침해
영업팀 SaaS 연동 토큰이 탈취되어
거래처 연락처·매출·계약 문서 전체가 노출.

1. 기존 보안 체계가 실패하는 이유

1. OAuth 흐름은 표준이지만 실제 구현은 제각각
   AI는 이 다양성을 공격 표면으로 활용한다.

2. Scope는 너무 많은 사람들이 대충 읽고 넘긴다
   공격 난이도는 낮고 성공률은 매우 높다.

3. Token Exchange는 암호학적으로는 안전하지만
   비즈니스 로직 측면에서는 취약하다.

4. Refresh Token은 장기 사용되는 경우가 많다
   AI가 오랫동안 악용할 수 있다.

5. OAuth 로그는 서버·클라이언트·SaaS 모두 흩어져 있으며
   통합 분석이 어려움.

1. 대응 전략 (전문가용)

1. Scope Integrity Guard
   Scope 목록의 “순서·형태·개수” 변화를 감지하는 탐지 계층.

2. Authorization Code Time-Based Hashing
   Authorization Code의 사용 시간·주기 패턴을 캡처하여
   Shadow Token 분기 탐지.

3. OAuth Redirect Whitelist Hardening
   정규표현식 기반이 아닌
   FQDN+TLS Pinning 기반의 Redirect 검증 필요.

4. Long-Lived Refresh Token 폐지
   AI 공격의 주기가 Refresh Token에 의존하므로
   짧은 주기 자동 순환 정책 필수.

5. OAuth Transaction Replay Validation
   동일 Token에서 발생하는 API 호출 간
   “이상 반복성”을 비교하는 기법.

결론
AOMA는 OAuth 자체를 공격하는 것이 아니라
OAuth 구조가 가진 “심리적·구조적 허점”을 AI로 증폭시키는 공격이다.

사용자는 정상적으로 로그인했고
UI는 정상적으로 보이며
서버 로그도 정상적이다.

바로 이 점이 AOMA의 가장 큰 위협이다.

사이버헬퍼는 이러한 OAuth 기반 권한 탈취 시나리오를 모델링하고
Scope Integrity·Redirect Parity·Token Shadowing 탐지 기술을 중심으로
AI 인증 위협 대응 프레임워크를 연구 중이다.
향후 SaaS·클라우드·업무 시스템 전반에 단계적으로 적용될 예정이다.