크로스체인 브리지 해킹 연쇄 발생...3,160만달러 탈취

23일 코인텔레그래프에 따르면 해커들이 불과 몇 시간 간격으로 서로 다른 두 개의 크로스체인 브리지를 노려 총 3,160만달러 상당의 암호화폐를 빼돌렸다. 아비트럼 기반 'AFX'와 베루스 프로토콜이 대상이 됐으며, 크로스체인 브리지의 구조적 취약성이 다시 드러났다는 평가가 나온다.

AFX 브리지서 2,415만달러 유출

블록에이드(Blockaid)는 수요일 오후 9시 30분 UTC께 AFX가 운영하는 브리지에서 이상 징후를 감지했다고 밝혔다. 이번 공격으로 약 2,415만달러가 탈취된 것으로 추정된다. 스티븐 골드페더(Stephen Goldfeder) 오프체인랩스 공동창업자는 해당 사고가 아비트럼의 '네이티브 브리지'가 아닌 제3자 프로토콜에서 발생했다고 설명했다.

블록에이드 최고경영자 이도 벤 나탄(Ido Ben Natan)은 이번 사건이 스마트컨트랙트 결함보다는 운영상 보안 사고에 가깝다고 봤다. 그는 “유효한 검증자 서명이 사용됐다는 점에서 온체인 검증 자체는 정상적으로 작동했다”고 말했다. 현지 보안 커뮤니티에서도 다섯 개의 핫 검증자 키가 탈취됐을 가능성이 거론됐다.

베루스 이더리움 브리지도 750만달러 피해

몇 시간 뒤에는 베루스 이더리움 브리지가 또 다른 공격을 받았다. 이번 사고로 이더, tBTC, USDC, USDt, EURC, MKR, scrvUSD 등 약 750만달러 규모의 자산이 브리지 준비금에서 빠져나간 것으로 전해졌다.

블록에이드는 이번 수법이 지난 5월 1,158만달러 피해를 낳은 베루스 브리지 해킹과 비슷하다고 분석했다. 다만 공격자 지갑은 달랐고, '브리지 임포트 경로'를 악용해 담보 없이 이더리움 측 지급을 유도한 것으로 추정됐다.

연이은 브리지 해킹은 크로스체인 인프라가 여전히 시장의 약한 고리라는 점을 보여준다. 자산을 여러 체인 간 이동시키는 브리지는 유동성이 큰 만큼 공격 표적이 되기 쉽다. 업계에서는 보안 강화 없이는 유사한 사고가 반복될 수 있다는 경고가 커지고 있다.

---

기사요약 by TokenPost.ai 🔎 시장 해석 크로스체인 브리지가 다시 한 번 주요 보안 취약 지점으로 드러났다. 단시간 내 2건의 해킹이 발생하며 총 3,160만달러가 탈취된 것은 구조적 리스크가 여전히 해소되지 않았다는 신호다. 특히 스마트컨트랙트 문제가 아닌 ‘키 탈취’ 및 ‘운영 보안’ 문제가 부각되며, 기술보다 관리 영역이 더 큰 리스크로 작용하고 있다. 💡 전략 포인트 브리지 사용 시 단순 체인 이동 편의성보다 보안 구조와 검증 방식 확인이 중요하다. 멀티시그 구조, 검증자 분산도, 키 관리 방식 등을 점검해야 한다. 단일 브리지 의존 대신 자산 분산 보관 전략이 필요하다. 대형 유동성 브리지일수록 공격 타깃이 되기 쉬운 만큼 과신은 금물이다. 📘 용어정리 크로스체인 브리지: 서로 다른 블록체인 간 자산 이동을 가능하게 하는 연결 시스템 검증자 키: 자산 이동 승인에 필요한 서명 권한을 가진 보안 키 핫키(Hot Key): 온라인 상태로 보관되는 키로, 편의성은 높지만 해킹 위험도 큼 브리지 임포트 경로: 다른 체인에서 자산을 가져오는 과정으로, 취약 시 무담보 발행이 가능해짐

💡 자주 묻는 질문 (FAQ)

Q. 이번 해킹 사건의 핵심 원인은 무엇인가요? 두 사건 모두 코드 자체보다는 운영 보안 문제에 가까운 것으로 분석됩니다. 특히 AFX 사례에서는 정상적인 검증자 서명이 사용된 점으로 보아, 서명 키가 탈취되었을 가능성이 큽니다. Q. 크로스체인 브리지는 왜 계속 위험 요소로 지적되나요? 브리지는 여러 체인의 자산을 한곳에 모아 관리하기 때문에 공격자 입장에서 매우 매력적인 표적입니다. 또한 복잡한 검증 구조와 키 관리 문제까지 더해지면서 작은 취약점도 큰 피해로 이어질 수 있습니다. Q. 일반 투자자들은 어떤 점을 주의해야 하나요? 브리지를 이용할 때는 보안 구조가 검증된 서비스를 사용하는 것이 중요합니다. 또한 자산을 한 곳에 집중하지 말고 분산 보관하며, 브리지 리스크가 자산 가격과 유동성에도 영향을 줄 수 있다는 점을 인지해야 합니다. TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.