김수키, 공격 자동화 겨냥한 자체 AI 환경 확장
핵심 요약
김수키가 Ollama·GPT4All·Msty를 활용한 로컬 LLM 환경을 구축한 정황이 확인됐다. 악성코드 개발과 탈취 문서 분석, 공격 자동화를 위한 다양한 AI 도구와 라이브러리 흔적이 발견됐다. 위장 문서의 정교화에 대응하려면 실행 행동을 추적하는 EDR 기반 탐지가 중요해지고 있다.
북한 정찰총국 산하로 알려진 해킹 조직 김수키가 외부 서비스에 의존하지 않는 로컬 대규모언어모델(LLM) 환경을 구축하고 공격 체계에 인공지능을 접목한 정황이 포착됐다. 김수키가 통제하는 인프라에서는 Ollama와 GPT4All, Msty를 이용해 여러 로컬 LLM 환경을 운영한 흔적이 확인됐다. 대화 데이터를 외부 AI 사업자에게 보내지 않는 방식이어서 공격 관련 정보의 노출 위험을 줄이려는 선택으로 분석된다.
최근 공격은 국제 행사와 연구 보고서, 회의 요청 자료로 위장한 ZIP 압축 파일을 피싱 이메일에 첨부하는 형태로 이뤄졌다. 수신자가 압축 파일 안의 악성 LNK 파일을 실행하면 내부에 숨겨진 파워셸 로더가 작동한다. 조사 과정에서는 음성 인식 모델 위스퍼를 포함한 음성·텍스트 변환 도구 로그와 AI 코딩 도구 커서로 코드를 편집한 기록도 발견됐다. 탈취 문서를 검색하고 분석하기 위한 검색 증강 생성(RAG) 시험 흔적도 확인됐다.
김수키의 AI 활용 범위는 단순한 문서 작성이나 일회성 실험을 넘어 악성코드 개발, 공격 데이터 분석, 자동화 기술 축적으로 넓어지는 모습이다. LLaMaSharp, 마이크로소프트 익스텐션스 AI, 오픈AI와 Azure.AI.OpenAI 패키지 등 상용 AI 기능을 자체 응용 프로그램에 연결하는 라이브러리도 다량 발견됐다. 로컬 AI 실행과 RAG 문서 검색, 자동화 에이전트, 외부 AI 연동 요소가 한 인프라에서 함께 드러나 특정 공격 목적에 맞춘 AI 도구 개발 가능성을 보여준다.
김수키는 이전부터 깃허브 기반 명령·제어 채널과 멀웨어 개발을 장기간 활용해 왔지만, 자체 AI 모델을 훈련한 증거는 아직 확인되지 않았다. 문종현 지니언스 시큐리티센터장은 국가 후원 조직이 실제 공격 체계에 AI를 넣기 위해 로컬 LLM과 개발 환경까지 갖춘 사례로 진단했다. AI로 만든 위장 문서의 품질이 높아지면서 내용만으로 공격을 가려내기 어려워진 만큼, 파일 실행과 파워셸 작동 같은 행위를 추적하는 EDR 기반 위협 헌팅의 중요성이 커지고 있다.