조직들이 자율성의 시대를 맞이함에 따라, F5는 최소한의 인간 감독만으로 독립적으로 추론하고 행동하며 적응하는 지능형 시스템인 에이전틱 AI와 같은 AI 기반 메커니즘의 부상으로 인해 발생할 수 있는 잠재적 위협으로부터 원활한 엔터프라이즈급 보호를 제공하는 데 앞장서고 있습니다.
자율 트래픽의 등장
에이전틱 AI는 기업 네트워크와 애플리케이션 인프라에서 점점 더 큰 비중을 차지하는 비인간 상호작용, 즉 자율 디지털 트래픽의 증가를 가속화하고 있습니다. 자동화 자체는 새로운 개념이 아니지만, 오늘날 AI 기반 에이전트의 규모와 정교함은 디지털 환경을 재편하고 있습니다. 대규모 언어 모델(LLM)과 생성형 AI를 기반으로 하는 이러한 에이전트는 항공편 예약, 데이터 스크래핑은 물론 웹 세션에서 인간의 행동을 모방하는 것과 같은 복잡한 워크플로를 수행하도록 훈련됩니다.
모든 자율 에이전트 트래픽이 유해한 것은 아닙니다. OpenAI의 OperatorAI와 Amazon의 NovaACT 같은 도구는 쇼핑, 조사, 작업 자동화 등 합법적인 용도로 설계된 차세대 AI 에이전트입니다. 이러한 플랫폼에는 악용을 방지하기 위해 사용자 확인 모드, 브라우저 API 접근 제한 등의 안전장치가 기본으로 탑재되어 있습니다. 또한 인프라가 투명하게 공개되는 경우가 많고, 알려진 IP 대역을 사용하며 브라우저 동작을 제어할 수 있는 범위도 제한적이어서 악의적인 공격자에게는 상대적으로 매력도가 낮습니다.
반면 BrowseGPT, Browser.ai, DoBrowser, Firecrawl, Skyvern-AI, BrowserMCP 등 생성형 AI 기반 도구가 점점 늘어나고 있으며, 이들은 웹 스크래핑과 브라우저 자동화 용도로 명시적으로 홍보되고 기존 봇 탐지 시스템을 우회하는 경우가 많습니다. 이러한 도구는 실제 사람처럼 웹 페이지와 상호작용하며 인간의 행동을 모방합니다.
에이전틱 AI와 자동화 프레임워크의 연계
바로 이 지점에서 둘의 연결이 중요해집니다. LLM은 콘텐츠와 맥락을 이해하는 지능을 제공하지만 웹사이트와 직접 상호작용하지는 않습니다. 대신 자동화 프레임워크를 통해 브라우저에서 작업을 실행합니다. 즉, LLM은 ‘무엇을 할지’를 판단하고 프레임워크는 ‘어떻게 할지’를 담당합니다. 이러한 역할 분담 덕분에 에이전틱 AI는 강력한 능력을 발휘하지만, 동시에 잠재적인 위험도 안고 있습니다.
예를 들어, LLM은 웹사이트에 로그인하여 가격 데이터를 추출해야 한다고 판단할 수 있습니다. 그런 다음 해당 지시를 웹 자동화 프레임워크에 전달하면, 이 프레임워크가 작업 완료에 필요한 마우스 클릭, 키 입력, 페이지 이동을 시뮬레이션합니다. 이러한 모듈식 아키텍처를 통해 AI 에이전트는 수동으로 다시 프로그래밍하지 않고도 웹 구조의 변화에 빠르게 적응할 수 있어, 고도화된 자동화의 진입 장벽을 낮출 수 있습니다.
에이전트 시대를 위한 봇 보호
F5 Distributed Cloud Bot Defense는 가치가 높고 모바일을 우선시하는 사용 사례에 맞게 특별히 설계되었으며, 내장된 위협 인텔리전스를 통해 검증된 효과를 제공합니다. 에이전틱 AI를 구동하는 자동화 프레임워크의 위협을 탐지하고 완화하여 사용자 경험을 저해하지 않으면서 원활한 보호를 보장합니다. Browser-Use와 같은 브라우저 확장 프로그램이든 Skyvern과 같은 호스팅형 에이전트든, Distributed Cloud Bot Defense는 합성 행동, 브라우저 API 조작, 주거용 프록시 사용을 대규모로 식별합니다. 공격자의 도구 재정비 속도를 따라잡기 어려운 기존 봇 관리 솔루션과 달리, Distributed Cloud Bot Defense는 행동 분석, 클라이언트 측 텔레메트리, 인간 분석가의 피드백을 결합한 2단계 탐지 모델을 사용하여 진화하는 자동화 위협에 선제적으로 대응합니다.
현재 진행 중인 F5 연구에서 얻은 주요 인사이트는 다음과 같습니다:
- LLM은 본질적으로 악의적이지 않지만, 웹 자동화 프레임워크를 활용해 악의적인 자동화 공격을 실행할 수 있습니다.
- OperatorAI와 NovaACT에는 사용자 확인 및 IP 투명성과 같은 안전 기능이 포함되어 있어 공격자에게 덜 매력적입니다.
- 악성 에이전트는 이러한 안전장치가 없는 경우가 많고 탐지를 회피하도록 설계되지만, 여전히 Distributed Cloud Bot Defense가 탐지할 수 있는 알려진 자동화 스택을 사용합니다.
- 레지덴셜 프록시는 악성 자동화를 대규모로 확장하는 데 여전히 핵심적인 역할을 하며, F5는 이를 탐지하고 차단할 수 있는 광범위한 기능을 갖추고 있습니다.
에이전틱 AI는 여전히 진화하고 있습니다. 현재의 도구는 아직 대부분의 방어 체계를 우회할 만큼 규모가 크거나 정교하지 않지만, 빠른 혁신 속도를 고려하면 지속적인 경계가 필요합니다. AI 에이전트의 역량이 향상됨에 따라 조직은 유용한 자동화와 악의적인 의도를 구분할 준비를 갖춰야 합니다.
F5는 이러한 변화에 한발 앞서 대응하며, 기업이 디지털 생태계를 안전하게 보호하는 동시에 에이전틱 AI의 이점을 활용할 수 있도록 지원하기 위해 최선을 다하고 있습니다. Distributed Cloud Bot Defense에 대해 자세히 알아보고 제공되는 기능을 확인해 보세요.
또한 이번 주에 발표된 모든 AI 관련 소식은 Accelerate AI 웹페이지에서 확인해 보세요.
작성자 소개
관련 블로그 게시물
성평등을 향한 여정: 사이버 보안 분야에서 성공적인 커리어를 개척하는 방법에 관한 Jenn Gile과의 Q&A
F5의 ‘성평등을 향한 여정’ 시리즈 네 번째 Q&A에서는 Rachael Shah와 NGINX 제품 마케팅 책임자 Jenn Gile이 사이버 보안 직종에 대한 오해를 바로잡고, 사이버 보안 분야의 성별 격차를 해소하기 위한 조언과 그 이점에 대해 이야기합니다.
TLS 검사에서 피터 파커 원칙 다루기
“큰 힘에는 큰 책임이 따른다.” 볼테르와 처칠도 이와 비슷한 말을 남겼지만, 이 문구는 스파이더맨 코믹스에서 벤 삼촌의 말로 가장 널리 알려져 있습니다. 물론 이 문구가 문화적으로 널리 통용되는 이유 중 하나는 TLS 검사를 비롯해 수많은 상황과 주제에 적용할 수 있기 때문입니다.
Venafi와 F5를 통한 머신 아이덴티티 보호
‘머신 아이덴티티’란 간단히 말해 자동화된 프로세스가 자신의 신원을 식별할 수 있도록 하고, 다른 자동화 시스템과 프로세스가 관련 리소스에 적절한 수준의 접근 권한을 부여하도록 하는 방법을 의미합니다. 이 개념 자체는 새로운 것이 아닙니다. 비교적 새로운 점은 이를 구현해야 하는 규모입니다.
마이너와 미니언: 데이터 유출만이 비용을 초래하는 것은 아닙니다
물론 데이터 유출은 더 큰 비용을 초래할 수 있고(적어도 지금은), 실패 사실을 세상에 드러낼 수밖에 없게 합니다(통지 의무가 있으니까요). 하지만 보안을 단순히 데이터 노출 문제로만 봐서는 안 됩니다. 요즘은 데이터가...
내 클라우드에서 나가!
F5의 Jay Kelley가 전하는 최신 소식에는 Microsoft Office 365용 신규 ID 및 액세스 솔루션을 배포할 때 고려해야 할 사항이 정리되어 있습니다.
Shift(웹 앱) 보안 레터
웹 앱 보안을 개발 초기 단계로 앞당기세요. F5 블로그에서 DevOps 파이프라인 초기에 보안을 통합하여 취약점을 예방하고 시간을 절약하는 방법을 알아보세요.