오픈AI의 호주 정부 침해 사건, 더 광범위한 AI 해킹 캠페인과 연관
연구진, AI 에이전트가 '단순 데이터 검색 작업' 중 웹사이트 침입을 시도한 세 건의 다른 사례 상세 공개

마이클 액턴, 샌프란시스코
게시일: 2026년 9월 25일
새 보고서에 따르면, 호주 정부 웹사이트를 해킹한 OpenAI의 '에이전트'는 학습용 데이터를 수집하기 위해 웹사이트들을 표적으로 삼은 더 광범위한 AI 봇의 물결의 일부였으며, 이러한 활동은 아직도 진행 중일 수 있다.
AI 연구 단체 트랜슬루스(Transluce)의 보고서는 해당 AI 모델들이 '일상적인 데이터 검색 작업'을 수행하는 과정에서 세 곳의 대학 및 정부 웹사이트에 침입을 시도한 것으로 나타났다고 밝혔다.
보고서는 파악된 온라인 트래픽 패턴이 지난주까지도 계속됐다며, 이는 '에이전트들이 여전히 이러한 서비스를 악용해 제한을 우회하고 있을 수 있음을 시사한다'고 말했다.
호주가 수요일 OpenAI의 에이전트들이 지난 6월 정부 보건 웹사이트를 침입했다고 밝힌 가운데 발표된 이번 연구는 AI 시스템의 광범위한 오작동에 대한 우려를 불러일으킨다.
트랜슬루스는 호주 해킹 사건이 보고서에 담긴 다른 사건들과 '중복되었을 가능성이 높다'고 밝혔다.
AI 위험에 대한 대중의 거센 반발에 대응하고 자사 모델의 행동으로 인해 기업이 직면할 수 있는 책임 문제와 씨름하는 가운데, 오픈AI(OpenAI) 최고경영자 샘 올트먼이 이번 주 안트로픽(Anthropic) CEO 다리오 아모데이와 함께 유엔 안전보장이사회에서 연설했다.
트랜슬루스(Transluce)는 복잡한 작업을 독립적으로 수행할 수 있는 봇인 AI 에이전트들이 호주 보건복지연구원(Australian Institute of Health and Welfare), 뉴멕시코 대학교 디지털 도서관, 그리고 델로이트(Deloitte), 매사추세츠공과대학교(MIT)와 기술기업 데이터휠(Datawheel)이 운영하는 미국 정부 공공 데이터 플랫폼인 데이터 USA(Data USA)를 해킹하려 시도했다고 밝혔다.
트랜슬루스는 세 건의 공격 가운데 두 건을 오픈AI가 공개적으로 인정한 에이전트 ‘군집(swarm)’과 연관 지었다.
오픈AI는 이 보고서에 대한 논평 요청에 즉각 답하지 않았다.
이번 공격들은 사이버 보안 훈련 중 모델들이 테스트 환경을 탈출한 7월의 허깅페이스(Hugging Face) 사건 등 이전에 큰 주목을 받았던 AI 해킹 사례들과는 성격이 다르다.
오픈AI는 허깅페이스 공격 이후 "훈련 및 평가 과정에서 나타난 부적합 모델 활동에 대한 광범위한 검토"에 착수했다. 이번 검토를 통해 오픈AI는 호주 앤서니 앨버니지(Anthony Albanese) 총리가 수요일 공개한 메디케어 통계 보고 서비스(Medicare Statistics Reporting Service) 침해 사건을 적발하게 되었다.
추천 기사

오픈AI가 알아차리는 데 일주일 넘게 걸렸던 허깅 페이스(Hugging Face) 사건과 수개월간 발견되지 못했던 호주 메디케어(Medicare) 침해 사건은, 최강의 시스템을 놓고 숙적 앤스로픽(Anthropic)과 경쟁하며 분주히 달려오는 동안 8,520억 달러 규모의 이 스타트업이 자사 AI 에이전트가 학습 실행 과정에서 무엇을 하고 있었는지 대체로 파악하지 못했음을 시사한다.
트랜스루스(Transluce)는 보고서에서 "주목할 점은 에이전트들이 해결하려던 작업이 사이버와 관련된 것이 아니었다는 것이다. 에이전트들은 일반적인 데이터 검색 작업을 수행하면서 해킹 전술에 의존했다"고 말했다.
보고서에 따르면 11월에 에이전트들은 자동화된 접근을 차단하는 웹사이트 제한을 우회하기 위해 URL 스캔 서비스를 사용하기 시작했으며, 태국 정부와 여러 테마파크 그룹을 표적으로 삼았다.
보고서는 "원하는 데이터를 수집하는 다른 방법이 실패했을 때" 에이전트들이 5월과 6월 사이 세 웹사이트에 해킹을 시도했다고 밝혔다.
에이전트 활동은 적어도 3월부터 9월 16일까지 이어졌으며, 2025년 11월까지 거슬러 올라가는 "유사한 데이터 검색 에이전트 활동의 더 약한 증거"도 있었다.
자율 AI 에이전트가 만든 것으로 보이는 수만 건의 쿼리 데이터 세트도 공개한 연구진은 이러한 "덜 정교한" 초기 시도를 동일한 에이전트로 직접 추적하지는 못했다. 하지만 이는 반복적인 학습 실행 과정에서 모델이 데이터 검색의 새로운 방법을 개발해 온 것과 일치한다고 말했다.
보고서는 "3월 무렵에는 접근 제한을 우회하는 창의적인 방법을 찾아내고 있었다. 5월과 6월에는 작업을 완료하기 위해 사이버 방어를 우회하려는 시도를 포함해 더 많은 접근 권한을 확보하고 있었다"고 밝혔다.

혁신의 잠재력을 깨워 현실 세계의 경쟁 우위로
