클라우드플레어, 봇 방어에 지속 학습 엔진 넣었다

클라우드플레어(Cloudflare·$NET)가 자동화 봇 공격을 실시간으로 학습해 방어 규칙을 바꾸는 ‘어댑티브 인텔리전스’를 봇 매니지먼트에 추가했다. AI 도구 확산으로 자동화 공격 비용이 낮아진 상황에서 고정 규칙 중심의 방어 체계를 지속 학습형으로 바꾸겠다는 조치다.

디지털투데이는 클라우드플레어가 자동화 봇 트래픽을 탐지하고 악성 봇을 차단하는 보안 플랫폼 ‘클라우드플레어 봇 매니지먼트’에 지속형 탐지 엔진 어댑티브 인텔리전스를 선보였다고 전했다.

어댑티브 인텔리전스는 클라우드플레어 글로벌 네트워크에서 처리되는 대규모 요청 신호를 바탕으로 실시간 트래픽의 메타 신호를 학습한다. 이후 새로운 위협에 대응하는 탐지 규칙을 만들고, 짧은 기간 적용되는 방어 구조를 조정한다.

회사 측 설명의 핵심은 ‘공격 비용’이다. 생성형 AI와 저가 온라인 도구가 확산되면서 자동화 공격을 준비하고 반복하는 장벽이 낮아졌고, 기존처럼 정해진 보안 규칙을 주기적으로 갱신하는 방식만으로는 공격자의 우회 시도에 대응하기 어렵다는 설명이다.

어댑티브 인텔리전스는 고정된 규칙을 쌓는 방식보다 공격자가 방어 체계를 학습하기 어렵게 만드는 데 초점을 둔다. 새로운 공격이나 우회 시도가 나타나면 실시간 신호를 반영해 방어 구조를 조정하고, 공격자가 같은 방식으로 자동화 공격을 계속 시도하는 데 더 많은 시간과 비용을 쓰도록 설계됐다.

데인 크네히트(Dane Knecht) 클라우드플레어 최고기술책임자(CTO)는 “공격 규모를 키우는 데 드는 비용이 사실상 제로에 가깝다면 단순히 방어벽을 높이는 것만으로는 한계가 있다”고 말했다. 그는 최신 봇 위협에 대응하려면 공격자가 더 많은 비용과 노력을 들이도록 구조 자체를 바꿔야 한다고 설명했다.

크네히트 CTO는 “클라우드플레어 어댑티브 인텔리전스는 방어 체계를 끊임없이 변화시켜 공격자가 파악한 정보를 빠르게 무효화하고, 공격이 대규모로 확대되기 전에 차단한다”고 말했다. 공격자가 방어 규칙을 반복 분석해 우회법을 찾는 시간을 줄이겠다는 뜻으로 풀이된다.

클라우드플레어는 첫 단계로 봇 점수의 중심에 있는 머신러닝을 고정 버전 배포가 아니라 지속 재학습 방식으로 전환한다고 밝혔다. 봇 점수는 머신러닝, 행동 검증, 자바스크립트 지문, 휴리스틱, 검증된 봇 식별 등을 함께 반영해 요청별 자동화 악용 가능성을 평가하는 체계다.

이 기능은 느리게 진행되는 크리덴셜 스터핑, 스크래핑 같은 공격 탐지에도 초점을 둔다. 크리덴셜 스터핑은 다른 곳에서 유출된 계정 정보를 여러 서비스에 반복 입력해 로그인을 시도하는 방식이고, 스크래핑은 웹페이지나 서비스 데이터를 자동 수집하는 행위다.

보안 업계에서 봇 탐지는 공격 차단률뿐 아니라 정상 이용자 보호가 함께 걸린 문제다. 오탐이 늘면 로그인, 결제, 콘텐츠 열람 같은 정상 흐름이 끊길 수 있고, 탐지가 느리면 공격자가 낮은 비용으로 같은 시도를 반복할 수 있다.

클라우드플레어는 브라우저 단의 세션 세부 정보와 네트워크 텔레메트리를 함께 분석해 정상 사용자 경험을 보호하면서 악의적 활동을 가려내겠다고 밝혔다. 이는 단일 신호보다 여러 행동·접속 신호를 조합해 자동화 가능성을 판단하는 접근이다.

보안 업데이트 배포 방식도 함께 바뀐다. 새 탐지 규칙은 실제 트래픽을 대상으로 배포 전 정확도를 검증하고, 오탐과 서비스 중단 위험을 줄인 뒤 적용된다.

기업 고객은 봇 매니지먼트 대시보드에서 ‘Auto Update Machine Learning’을 켜면 어댑티브 인텔리전스를 자동으로 적용받는다. 클라우드플레어는 이를 통해 보안 업데이트가 느리게 반영되는 문제를 줄이겠다는 입장이다.

이번 발표는 클라우드플레어가 AI 시대의 자동화 트래픽을 별도 관리 대상으로 다루는 흐름과 맞물린다. 회사는 앞서 AI 에이전트와 자동화 주체의 식별·통제를 위한 인프라를 공개했고, 본지도 클라우드플레어가 AI 에이전트용 신원 시스템과 스테이블코인 지갑을 공개했다고 전한 바 있다.

국내 콘텐츠 사업자, 거래소, 핀테크 서비스에도 봇 탐지의 속도와 오탐 관리는 운영 비용과 직결된다. 자동화 접속과 정상 이용자를 함께 처리해야 하는 온라인 서비스에서는 방어 규칙의 갱신 속도와 적용 안정성이 서비스 품질을 좌우할 수 있다.