에이전틱 위협 방지란 무엇인가요?

개요

에이전틱 위협 방지는 자율적인 AI 주도로 공격 변이를 식별하고 기계 속도로 방어합니다. AI 에이전트를 사용하여 공격을 식별하고, 영향력이 미치기 전에 보호를 적용하고 적응합니다. 이로 인해 공격 표면이 감소하며 수동 개입없이 최전선 AI 위협을 차단합니다.

최전선 AI의 위협 이해하기

최전선 AI 공격은 인간에 의해 주도되거나 제한되지 않습니다. AI 에이전트는 이제 자율적으로 다단계 공격 체인의 계획, 실행 및 적응을 수행하여 방어를 회피하고, 실시간으로 전술을 개인화하며, 속도, 규모, 정교함을 높여 공격을 실행할 수 있습니다.

최전선 AI 공격으로부터의 보호는 전통적인 보호의 한계를 뛰어넘습니다. 정적 규칙과 서명은 알려진 공격을 위해 구성되며, 최전선 AI 공격자는 지속적으로 행동을 변형하여 이를 우회합니다. 효과적인 보호는 기계 속도로 작동해야 하며 환경별 컨텍스트를 지속적으로 사용하여 새로운 공격 경로를 식별하고 차단해야 합니다.

에이전틱 위협 방지가 네트워크를 보호하는 방법

에이전틱 위협 방지는 Opus 4.6 대형 언어 모델로 구동되는 AI 에이전트를 사용합니다. 에이전트는 네트워크 전체의 트래픽 및 보안 신호를 매 4시간마다 분석합니다. 각 분석은 사용자, 호스트, 사이트, 애플리케이션 및 기타 엔티티에 걸친 이전 24시간의 활동을 검토합니다. 이 롤링 윈도우는 일반적인 사용 패턴과 예상 활동에 대한 계정별 컨텍스트를 제공합니다.

이 컨텍스트를 사용하여 에이전트는 의심스러운 행동 패턴을 해석합니다. 기계 속도로 활동 시퀀스, 타이밍, 최초 발견 이벤트 및 다수의 보안 엔진 신호를 상관관계 분석합니다. 이러한 추론은 개별 신호를 연결하고 설정된 행동 및 넓은 네트워크 컨텍스트와 비교합니다. 이로 인해 새로운 공격뿐만 아니라 이전에 보지 못한 경로를 사용하는 공격도 드러납니다. 예를 들어, IT 관리자가 바이너리 파일을 다운로드하는 것은 정상으로 보일 수 있습니다. 같은 행동이 그러한 행동 기록이 없는 사용자에게서는 위험으로 나타날 수 있습니다.

활동이 높아진 위험을 나타낼 때, 에이전트는 다음 공격 단계를 예측하고 적절한 대응을 자동으로 응용하여 임시로 동적 제어를 적용합니다. 이러한 제어는 노출된 서비스, 작업 또는 접근 경로에 대한 접근을 차단하며, Cato의 연구팀이 다수의 침해 시나리오를 철저히 분석하고 연구한 내용을 기반으로 완화 조치를 시행합니다.

에이전트는 시간이 지나면서 행동을 지속적으로 재평가하고 상태가 변경되면 제어를 조정하거나 제거합니다. 이로 인해 공격 표면이 줄어들고 수동 개입이 제한되며 관리 가시성과 제어가 유지됩니다. 에이전틱 위협 방지가 당신의 네트워크를 어떻게 보호하는지 모니터링하려면 에이전틱 위협 방지 모니터링을 참조하세요.

위험한 사용자 행동에 대한 더 완전한 보기를 제공하기 위해, 에이전틱 위협 방지의 보안 엔진에 의해 발생한 차단 이벤트는 사용자의 위험 점수에 통합됩니다. 자세한 정보는 사용자 위험 수준 이해하기를 참조하세요

에이전틱 위협 방지 기능으로 다음을 수행할 수 있습니다:

최전선 공격을 앞서서 예방: 공격자 행동에 따라 환경 맞춤형 보호를 기계 속도로 적용하여 대응합니다.
위협 방지 자동화: 공격이 진행되지 않도록 자동으로 동적 제어를 적용합니다.
모든 곳에서 제어 강제 적용: 사용자, 사이트 및 애플리케이션 전반에 걸쳐

라이선스 요구 사항

2026년 8월 현재 활성 고급 위협 방지 라이선스를 보유한 고객에게는 이 라이선스에 에이전틱 위협 방지가 포함됩니다.
기타 고객의 경우, 에이전틱 위협 방지에는 에이전틱 위협 방지 라이선스가 필요합니다. (이는 위협 방지 또는 고급 위협 방지 라이선스가 필요합니다)

사례 연구 – 에이전틱 AI 공격 차단: 명령 및 제어 수립 전에

ABC 회사의 직원이 합법적인 생산성 도우미로 위장한 악성 AI 에이전트와 상호작용했습니다. 직원의 신뢰를 얻은 후, 에이전트는 로컬 리소스를 열거하고 중요한 애플리케이션을 식별하며 엔드포인트를 지속적인 원격 액세스를 위해 준비시키는 다중 단계 공격을 시도했습니다. 이 행동 시퀀스는 사용자에게 비정형적이었으며, 기기에서는 이전에 발생하지 않았습니다.

에이전틱 위협 방지는 이벤트 체인을 분석하고, 자율적인 AI 주도의 공격 특징을 인식하여, 그 활동이 명령 및 제어 수립 전의 악성 정찰을 대표한다고 판단했습니다.

이 평가를 기반으로 에이전틱 위협 방지가 공격이 진행되기 전 사전 조치 제어를 적용했습니다. 그것은 AnyDesk의 다운로드 및 실행을 차단하여 AI 에이전트가 원격 접근 및 명령-제어 수립을 방지했습니다. 이는 추가 도구, 페이로드, 또는 명령이 전달되기 전에 공격을 방해하여, 자격 증명 도용, 권한 상승 및 횡적 이동의 위험을 상당히 줄였습니다.

활동 뒤에 숨겨진 의도를 자동으로 탐지하여 개별 지표에 의존하지 않고 에이전틱 위협 방지는 수동 개입없이 AI 주도의 공격을 격리했습니다.

에이전틱 위협 방지가 작동하는 방법 이해하기

에이전틱 위협 방지는 다음의 5단계 과정을 사용하여 환경 전반의 활동을 계속 분석하여 의심스러운 행동을 식별하고 차단합니다.

Build an Entity Baseline: Agentic Threat Prevention’s AI agents monitor network activity over time to establish normal behavior across your network.
Detect Deviations: Agents collect real-time signals from multiple security engines, including services such as Anti-Malware, IPS, Firewall and SAM. It also analyzes long-term insights from the Cato data lake, which aggregates all security events. AI agents reasoning identifies suspicious behavioral patterns compared against the behavioral baseline to identify abnormal activity. Even actions that appear benign can be flagged if they significantly deviate from normal behavior.
Dynamic Controls: When suspicious behavior is detected, to reduce the attack surface, the agent predicts the next stage of the attack and applies customized controls to prevent it from progressing. Multiple controls can be applied for a single suspicious behavior.
Block Malicious Action: If a malicious action is taken, it is blocked in real time to prevent threats.
Adapt Dynamic Controls: Agents continuously reevaluate entity behavior and dynamically adjust or expire the applied controls as the risk level changes.

에이전틱 위협 방지가 기존 보안 엔진을 보완하는 방법

에이전틱 공격은 전통적인 보안 모델이 제한적으로만 보호할 수 있는 세 가지 과제를 부각합니다:

기계 속도: 공격은 인간의 대응 워크플로가 반응하는 속도보다 더 빠르게 실행되고 진행됩니다.
적응형: AI 주도의 공격자는 지속적으로 반복하며, 실패 후 각 시도마다 전술을 바꾸어 성공적인 경로를 찾을 때까지 계속합니다.
자율적: 공격 체인은 사람이 개입하지 않고 계획 및 실행되어 멈추거나 기다리거나 집중을 잃지 않습니다.

기존 Cato 보안 엔진은 알려진 위협 및 정책 위반에 대해 정확한 보호를 제공합니다. 그들은 효과적으로 정책을 강제하고 라이프사이클의 특정 단계에서 공격을 차단합니다. 그러나 그들은 미리 정의된 탐지, 알려진 공격 기술에 기반한 보안 연구자들이 작성한 서명 및 규칙에 의존합니다.

에이전틱 공격자는 새로운 탐지가 연구, 작성 및 배포되기 전에 이용 가능한 공격 경로를 더 빠르게 찾기 위해 지속적으로 기술을 수정할 수 있습니다. 에이전틱 위협 방지는 자율적 추론층을 통해 공격자의 운영 모델과 일치합니다. 트래픽, 보안 이벤트, 위협 정보 및 엔터티 행동에서 계정별 컨텍스트를 지속적으로 분석합니다. 공격자와 달리, 에이전트는 환경에 대한 지속적인 가시성과 즉각적인 개입 제어 접근을 가지고 있습니다. 이 컨텍스트 우위를 통해 에이전트는 의심스러운 행동 패턴 및 새로운 공격 경로를 식별할 수 있습니다.

에이전트는 새로운 서명을 연구자가 만들 때까지 기다리지 않고 의심스러운 행동을 탐지합니다. 각 탐지의 컨텍스트와 위험을 기반으로 적절한 대응을 선택합니다. 그 후 에이전틱 위협 방지는 Cato의 기존 강제 적용 엔진을 통해 기계 속도로 동적 제어를 적용합니다.

에이전트는 활동을 지속적으로 재평가하고 위험이 변화함에 따라 제어를 조정하거나 제거합니다. 이로 인해 인간 개입 무효화 상태에서 능동적인 예방이 이루어집니다.

기존 보안 엔진이 정확한 제어를 강제하는 동안 에이전틱 위협 방지는 컨텍스트에 기반하여 독립적으로 추론하고 대응을 조율합니다. 함께 그들은 정책 복잡성이나 운영 비용을 증가시키지 않고도 에이전틱 공격이 진행되기 전에 이를 차단합니다.