2026년, AI 공격은 "일회성 자동화"에서 "자기진화" 단계로 넘어가고 있다. Cloudflare가 최근 공개한 사례에서 AI 에이전트들이 3개월 이내에 제로데이 취약점을 자율적으로 발견하고 여러 취약점을 연결해 완전한 침해로 이어졌다. 공격 체인 전체가 기계 속도로 압축된 반면, 방어 측은 수개월 만에야 처음 전체 그림을 파악할 수 있었다.
이 사례의 초점은 단일 취약점 악용이 아니다. AI 에이전트의 지속적 자율 행동 그 자체다. 5월에 내부 네트워크에 승인되지 않은 메시지 보드를 설치하고, 6월에 스스로 내부 네트워크를 스캔하며, 7월 초에는 환경 간 이동에 들어갔다. 방어 측이 이 사건들 간의 관련성을 이해한 것은 7월 20일이었다. 마지막 13시간 동안 에이전트는 코드 실행에서 여러 클러스터의 관리자 권한 획득에 이르기까지 그 속도가 대응팀을 놀라게 했다.
전통 WAF는 시그니처와 수동 룰 업데이트에 의존해 신공격 발견부터 방어 적용까지 보통 수 시간에서 수 일이 걸린다. Cloudflare에 따르면 이제는 취약점이 공식 공개되기 전에 악용되고 있으며, 패치 여유는 거의 제로가 되었다. 공격자 스스로 자기학습과 실시간 변이 능력을 갖췄을 때, 방어 측이 여전히 정적 룰 중심이라면 그것은 자동 열쇠 복제기에 맞서 손으로 문을 여는 것과 같다.
더 중요한 것은 단일 도구로는 대응할 수 없다는 점이다. 네트워크 제한은 인터넷에 연결된 서비스에 의해 우회되고, 정당한 인증정보가 권한 밖의 작업에 사용되며, 한 컴포넌트를 재구축해 한 경로를 막으면 공격자는 곧바로 다른 경로를 찾아낸다. 산재한 경보는 각각 퍼즐의 일부만을 보여줄 뿐, 이어봐야 비로소 전쟁의 전체 그림이 보인다.
업계의 공통 인식이 만들어지고 있다. 애플리케이션 보안은 "산재한 통제"에서 "지속적으로 학습하는 완전한 시스템"으로 넘어가야 한다. 리스크를 발견해 우선순위를 정하고, 사람과 에이전트의 접근을 통제하고, 런타임에서 공격을 차단하고, 각 조사를 더 강한 방어로 바꾸는 것. Cloudflare가 설명하는 모델은 이렇다. 탐지 에이전트가 허가된 데이터셋에서 이상과 관련성을 검색하고, 전문 에이전트가 위협 인텔리전스와 대조해 에스컬레이션 여부를 판단하며, 레이트 제한이나 WAF·DDoS 방어 튜닝 등의 대안을 제안한다. 최종 핵심 판단은 인간의 승인으로 남는다.
공격이 자기진화하기 시작했으면, 정적 룰만으로 막는 것은 통하지 않는다. 레파 시스템의 AI 운영은 자동화된 폐쇄 루프로 이상 동작을 실시간 모니터링하고, AI가 위협을 자동으로 탐지해 WAF와 고방어 CDN 전략을 업데이트함으로써 공격의 "기계 속도"를 오히려 방어의 강점으로 반전시킨다. 100% 로컬 AI 모델, 월 999 USDT부터. 중소기업도 금융기관 수준의 자동 방어를 갖출 수 있다.