# AI 공격 비용이 낮아질수록 기업 보안은 연산 효율 싸움이 된다

> 2026-11-06 · Tom Tunguz · 큐레이션 김태우
> https://challengekim.com/insights/ai-공격-비용이-낮아질수록-기업-보안은-연산-효율-싸움이-된다
> 원문: https://tomtunguz.com/a-90-dollar-key-into-your-companys-secrets

## 핵심 요약

- 톰 퉁구즈는 AI를 이용한 기업망 침입 비용이 급락하면서 보안의 중심이 방어용 연산 자원의 효율로 옮겨가고 있다고 봤다.
- 글에 제시된 90달러는 실제 기업 침입에 지출한 금액이 아니라 1억 토큰을 사용하는 공격을 전제로 모델별 요금을 적용한 계산값이다.
- 공격자는 성공 확률과 탈취 금액을 따져 자원을 집중할 수 있지만 방어자는 매시간 쌓이는 경보를 계속 검토해야 한다.
- 공격 속도, 병렬로 움직이는 AI 에이전트, 기계·소프트웨어 계정의 증가가 방어 부담을 키운다.

## 공격 비용 하락이 바꾸는 보안의 계산법

AI·데이터 분야 투자사 Theory Ventures의 창업자 톰 퉁구즈는 이 글에서 AI 공격 비용이 낮아질 때 기업이 보안 자원을 어떻게 배분해야 하는지 짚었다. 핵심은 공격자와 같은 양의 AI를 확보하는 데 있지 않다. **제한된 방어 자원으로 공격자의 기대수익을 얼마나 낮출 수 있느냐**에 있다.

퉁구즈는 기존 보안을 공격 유형마다 보험을 하나씩 쌓는 방식에 비유했다. 자율적으로 움직이는 AI가 주요 위협이 되면 공격자와 방어자 모두 얼마나 많은 AI 연산 자원을 투입하고 이를 얼마나 효과적으로 쓰는지가 중요해진다고 봤다. 그는 골드만삭스 경영진이 보안용 AI 지출이 코딩 도구용 AI 지출과 같거나 더 커질 가능성을 논의했다는 보도도 소개했다.

## 90달러라는 계산의 전제

글은 2026년 4월의 모의 기업망 평가에서 출발한다. 서버 약 20대로 구성된 영국 기업망을 재현한 환경에서 32단계 공격을 수행하는 과제였다. 인간 전문가에게는 약 20시간이 걸리는 작업으로 추산됐으며 Claude Mythos Preview와 GPT-5.5는 사람의 도움 없이 네트워크를 장악했다. 국제결제은행은 이 침입의 연산 비용을 5,000\~1만 달러로 산정했다.

퉁구즈는 이후 모델들의 요금을 적용하면 같은 규모의 토큰 사용 비용이 크게 낮아진다고 계산했다. 1억 토큰을 쓰고 캐시된 입력·일반 입력·출력의 비율을 7:2:1로 잡으면 Claude Mythos 5는 770달러, Claude Opus 5는 385달러, Zhipu의 GLM-5.3은 약 90달러다. 그는 이를 다섯 달 사이 약 99%의 비용 하락으로 요약했다.

**비용 계산과 공격 능력 평가의 범위는 구분해야 한다.** 글의 주석에서 GLM-5.3의 성능 근거로 든 평가는 기업망 전체 침입이 아니라 Chrome V8 취약점 공격 평가다. 성공 횟수는 410회 시도 중 GLM-5.3이 50회, Claude Mythos Preview가 56회였다. 90달러는 이 성능 비교와 토큰 요금을 바탕으로 제시한 계산값이다.

## 공격자는 표적을 고르고 방어자는 경보를 살핀다

퉁구즈는 공격자의 선택을 기대수익으로 설명했다. AI 토큰에 100만 달러를 쓰고 1% 확률로 10억 달러를 얻을 수 있다면 기대 회수액은 1,000만 달러, 비용을 뺀 기대이익은 900만 달러다. 반면 같은 비용으로 5% 확률의 50만 달러 탈취를 노리면 기대 회수액은 2만5,000달러에 그쳐 97만5,000달러의 기대손실이 발생한다. 실제 사건의 수익이 아니라 공격자의 판단을 설명하기 위한 가정이다.

그는 저렴한 방어 필터가 단순한 공격을 걸러낼수록 합리적인 공격자는 작은 표적을 무차별적으로 노리기보다 큰 금액을 얻을 수 있는 표적에 토큰을 집중한다고 봤다.

방어자는 더 어려운 계산을 해야 한다. 보안관제센터, 즉 보안 경보를 분석하고 침입에 대응하는 조직은 매시간 들어오는 경보를 검토해야 한다. 글이 인용한 자료에 따르면 관제팀은 하루 4,400건이 넘는 경보를 받으며 과거에는 시간 부족으로 약 3분의 2를 조사하지 못했다. AI 자동 조사는 수작업으로 70분 걸리던 검토를 몇 분으로 줄이고 경보당 약 2달러의 연산 비용으로 분석가가 실제 침입에 집중하도록 돕는다. 그래도 경보 전체를 계속 살펴야 한다는 비용 부담은 남는다.

## 속도·병렬 공격·계정 증가가 만드는 부담

퉁구즈는 방어용 연산 수요를 키우는 요인을 세 가지로 정리했다.

속도가 빨라졌다. Glean의 최고정보보호책임자 수닐 아그라왈은 AI가 침입 대응의 시간 단위를 수개월에서 수분으로 압축한다고 봤다. 글이 인용한 CrowdStrike 자료에서는 공격자가 최초 침입 지점에서 다른 시스템으로 이동하기까지 걸린 시간이 평균 29분, 최단 27초였다.

병렬 공격의 규모도 커졌다. 글에 소개된 2026년 7월 Hugging Face 침입 사례에서는 약 700개의 AI 에이전트가 나흘 반 동안 협력했다. 이들은 메시지 7만 건을 주고받고 약 1만7,600회 행동해 운영 환경의 키 136개를 수집했다. Cogent Research가 Fortune 1000 기업 50곳 이상을 조사한 자료에서도 새로 확인한 월간 핵심 자산 공격 경로 45개 중 34개, 약 76%는 병렬 AI 에이전트 집단만 실행할 수 있는 경로로 분류됐다.

방어 대상도 확대된다. 글이 인용한 조사에서는 기계·소프트웨어 계정 같은 비인간 신원이 사람 사용자보다 82배 많았다. 퉁구즈는 기업의 에이전트 수가 직원 수의 100배 규모로 늘어나는 상황을 상정하며 에이전트를 추가할 때마다 보호해야 할 접근 지점도 늘어난다고 봤다.

그가 제시한 보안 책임자의 과제는 방어용 AI를 많이 구매하는 데서 끝나지 않는다. 필요한 연산 자원을 확보하고 효과적인 방어에 배분해 **공격자가 비용을 들여도 기대이익을 얻기 어렵게 만드는 것**이다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://tomtunguz.com/a-90-dollar-key-into-your-companys-secrets)