2025년 제46회 사이버헬퍼 보안 리포트 AI-Enhanced Stealth Persistence Injection (AESPI)

 

 

서론
지금까지의 사이버 공격은 “침투–수집–탈출”의 3단 구조였다.
하지만 2025년 이후의 공격은
“장기 잠복(Persistence)”이 핵심 전략으로 이동하고 있다.

AESPI(AI-Enhanced Stealth Persistence Injection)는
AI가 시스템 내부 구조를 분석 → 최적 잠복 지점 선택 → 운영 환경에 맞춰 형태를 자동 변환하는 공격 기술이다.
이 공격은 EDR/XDR, SIEM, UEBA 등 기존 탐지 체계를 모두 우회하며
기업 시스템 안에서 수개월~수년 동안 존재를 드러내지 않는다.

기존 악성코드의 Persistence는
레지스트리, 서비스, 크론탭 등 고정된 방식이었지만
AESPI는 아예 다른 패러다임이다.

AI가 운영 환경을 실시간으로 읽고,
그 환경에 가장 자연스럽고 정상적인 방식으로 자기 자신을 숨긴다.

1. AESPI가 등장한 배경

1. 시스템은 점점 복잡해졌다
   기업은 다음을 함께 사용한다.

• 온프레미스 + 클라우드 혼합

• 컨테이너 + 쿠버네티스

• 서버리스 함수

• 에이전트 기반 EDR

• 마이크로서비스

• 3rd-party SaaS API

이 복잡성은 **공격자가 잠복할 ‘틈’**을 무한하게 만든다.

1. EDR/XDR은 "이상 행위"만 본다
   문제는 AI가 “완벽히 정상처럼” 행동하면
   이상 탐지는 무용지물이 된다.

2. AI가 환경 적응형 스텔스 코드를 생성
   2025년 기준 악성코드는
   더 이상 고정된 바이너리가 아니다.
   AI가 실행 환경마다 코드를 변환해
   서명/패턴 기반 탐지가 의미 없어졌다.

1. AESPI 공격 구조 (6단계)

Step 1. Environment Structure Harvesting
AI는 시스템의 구조를 정밀 분석한다.

예:

• 실행 중인 프로세스

• 서비스 명명 규칙

• 기존 스케줄러 패턴

• 로그 로테이션 주기

• 메모리 사용 특성

• 컨테이너 이미지 레이어 구조

목표: “정상처럼 보일 수 있는 위치 찾기”

Step 2. Persistence Candidate Scoring
잠복 후보 위치를 점수화한다.

예:

• 시스템 서비스

• Python venv 패키지

• Docker entrypoint

• 쿠버네티스 init-container

• Windows Task Scheduler

• Git pre-hook

AI는 “탐지 위험 대비 생존 기간”을 계산한다.

Step 3. Stealth Injection
코드를 삽입하는 방식이 아닌
“정상 구성 요소 일부를 모방해 스며들 듯 주입”한다.

예:

• 기존 서비스 이름의 미세 변형

• 정상 스크립트에 2줄 삽입

• 환경 변수 기반 실행

• 사용자 프로필 기반 지속성

• 서버리스 함수 안의 비가시성 로직

이 때문에 사람이 봐도 구분이 어려움.

Step 4. Behavior Shadowing
AI는 동일 서버의 정상 프로세스 행동을 실시간 모방한다.

• CPU 사용량 동일

• I/O 패턴 동일

• 로그 출력 규칙 동일

• 메모리 할당 주기 동일

행동이 동일하면 탐지가 거의 불가능하다.

Step 5. Integrity Bypass
AI는 무결성 검증도 우회한다.

예:

• 파일 체크섬이 변경되지 않도록 구조 분할

• Git commit hook을 악용해 백도어 자동 재주입

• 이미지 서명되지 않는 레이어에만 잠복

인간·보안 솔루션 모두 눈치채기 어렵다.

Step 6. Zero-Signal Data Egress
데이터 유출도 “정상적 사용량” 안에서만 이루어진다.

• 하루 3KB 이하만 전송

• 정상 API 트래픽 사이에 패턴 삽입

• 사용자 활동 시간대에만 송출

• CDN, SaaS 트래픽으로 위장

1. 실제 가능한 피해 시나리오

사례 A — 코드를 숨긴 컨테이너 레이어
CI/CD 과정 중
도커 이미지 하단 레이어에 백도어가 주입됨.
재빌드해도 항상 백도어가 따라 붙음.

사례 B — ERP 시스템에 1년 잠복
AI 코드가 회계 모듈의 로깅 스크립트 안에서
CPU 사용량 0.1% 이하로 잠복.
1년 뒤 계정·매출·보고서 정보가 모두 유출됨.

사례 C — 서버리스 함수 안의 변형 로직
Lambda/Cloud Function 내
코드 경로 일부만 변형해
트래픽이 특정 조건에서 AI에게 전달됨.

사례 D — EDR 자체를 모방
EDR 프로세스와 동일한
CPU/메모리/스레드 패턴을 복제하여
보안 솔루션이 공격을 자신으로 인식하지 못함.

1. 기존 보안 체계가 실패하는 이유

1. 서명/패턴 기반 탐지 → 완전 무력화
   AI가 코드를 계속 변형하므로 의미가 없다.

2. “이상행위 탐지”는 정상행위를 가장한 공격엔 취약
   AI는 정상보다 더 정상처럼 행동할 수 있다.

3. 로그 기반 탐지 → 로그를 그대로 복제해버림
   AI가 정상 로그 패턴을 모방해
   탐지 포인트가 없어짐.

4. EDR/XDR는 프로세스 자체를 신뢰
   AESPI는 기존 정상 프로세스에 스며들기 때문에
   보안 솔루션은 공격을 “정상 서비스”로 본다.

1. 대응 전략 (전문가용)

1. Behavior Entropy Analysis
   정상 프로세스 내의 “행동 복잡도 감소”를 탐지.
   AI 코드는 활동 다양도가 낮기 때문이다.

2. Cross-Layer Integrity Mapping
   애플리케이션–컨테이너–OS 레이어를
   동시에 무결성 검증하여
   “정상 구조와 미세 차이”를 식별.

3. Non-Deterministic Execution Trap
   AI가 예측 불가능한 경로를 선택하게 만들어
   스텔스 행동의 붕괴를 유도하는 메커니즘.

4. Internal Canary Code
   시스템 주요 영역에 "보이지 않는 코드 미끼"를 배치해
   AI 잠복 로직이 접근하면 즉시 탐지.

5. Persistent Drift Monitoring
   시간이 지날수록 변화하지 않는
   "고정된 정상 패턴"은 오히려 공격의 신호가 된다.

결론
AESPI는 단순한 백도어나 악성코드가 아니다.
환경 분석 → 정상 패턴 모방 → 스텔스 잠복 → 무소음 데이터 흐름이라는
“AI 생태계 수준의 침투 구조”다.

이제 공격자는
침투 후 바로 움직이지 않는다.
시스템 안에서 조용히 살아남으면서
필요할 때만 작동한다.

사이버헬퍼는
AI 기반 잠복 패턴 분석 기술과
Behavior Entropy 기반 탐지 모델을 중심으로
AESPI 대응 프레임워크를 연구 중이며
향후 기업·기관 시스템 안정성 고도화에
단계적으로 적용할 예정이다.