국내 컴퓨터에서 탐지된 사이버 보안 위협 가운데 인터넷을 통한 공격보다 로컬 환경에서 발견된 위협이 더 많은 것으로 나타났다. 웹사이트 접속 과정에서 발생하는 공격뿐 아니라 이동식 저장장치와 오프라인 환경을 통한 악성코드 유입에도 주의가 필요하다는 점을 보여준다.
글로벌 사이버 보안 기업 카스퍼스키(Kaspersky)가 15일 공개한 '2026년 3분기 한국 보안 위협' 분석 결과, 지난 7월부터 9월까지 국내 카스퍼스키 시큐리티 네트워크(Kaspersky Security Network, KSN) 참여 컴퓨터에서 탐지된 로컬 위협은 315만5,127건으로 집계됐다. 같은 기간 인터넷 기반 위협 탐지 건수는 129만844건이었다.
위협 유형별로 공격받은 사용자 비율에서도 차이가 확인됐다. 로컬 위협의 공격을 받은 국내 KSN 참여자는 전체의 18.9%였으며, 웹 기반 위협은 9.2%로 조사됐다. 한국의 국가별 위험도 순위는 로컬 위협 73위, 웹 기반 위협 126위였다.
이번 통계는 KSN에 자발적으로 참여한 컴퓨터에서 수집한 데이터를 기반으로 한다. 따라서 탐지 건수를 국내 전체 컴퓨터에서 발생한 사이버 공격 건수로 해석해서는 안 된다.
브라우저 취약점 노리는 웹 공격…파일 없는 악성코드도 주의
웹 기반 공격은 인터넷 사용 과정에서 악성 프로그램이 시스템에 침투하는 방식이다. 공격자는 웹 브라우저나 플러그인의 보안 취약점을 악용해 악성코드를 유포하며, 사용자가 감염된 웹사이트를 방문하는 것만으로 피해가 발생할 수도 있다.
대표적인 방식은 '드라이브 바이 다운로드(Drive-by Download)'다. 이용자가 별도의 파일 설치 과정을 인지하지 못한 상태에서도 취약점을 통해 악성코드가 유입될 수 있다는 특징이 있다.
특히 파일리스(Fileless) 악성코드는 기존의 파일 중심 탐지 방식으로 식별하기 어렵다. 악성코드가 윈도 레지스트리나 WMI 구독을 활용해 시스템 내 지속성을 유지하면서도 디스크에 정적 분석 대상이 되는 단일 파일을 남기지 않을 수 있기 때문이다.
정상적인 프로그램으로 위장한 악성 파일을 사용자가 직접 내려받도록 유도하는 사회공학적 공격도 주요 위협 유형으로 제시됐다. 공격자들이 보안 솔루션의 정적 분석과 에뮬레이션을 회피하기 위해 악성코드를 난독화하는 사례도 있어 파일 다운로드 단계의 검사와 행위 기반 탐지가 중요하다.
국가별 웹 기반 위협 사용자 공격 비율은 알바니아가 26.9%로 가장 높았다. 이어 방글라데시 23.9%, 뉴질랜드 19.9%, 네팔 19.7%, 슬로바키아 19.6% 순으로 나타났다.
로컬 위협 315만건 탐지…이동식 저장장치도 감염 경로
로컬 위협은 인터넷을 통한 공격과 구분되는 보안 위험을 보여준다. 컴퓨터 내부에 존재하는 악성코드뿐 아니라 USB 드라이브와 CD·DVD 등 이동식 매체, 기타 오프라인 경로로 확산되는 악성 프로그램이 관련 통계에 포함된다.
이러한 위협에는 웜(Worm)과 파일 바이러스가 상당 부분을 차지한다. 웜은 다른 시스템이나 저장매체로 전파될 수 있는 악성코드이며, 파일 바이러스는 정상적인 파일을 감염시키는 방식으로 피해를 일으킨다.
국내 KSN 참여 컴퓨터에서 3분기 동안 확인된 로컬 위협 탐지 건수는 315만5,127건이었다. 공격받은 사용자 비율은 18.9%로, 웹 기반 위협의 9.2%보다 높았다. 다만 로컬 위협 탐지 건수 전체가 이동식 저장장치를 통한 감염을 의미하는 것은 아니다.
로컬 위협 사용자 공격 비율이 가장 높은 국가는 투르크메니스탄으로 54.4%를 기록했다. 중국이 40.6%로 뒤를 이었으며, 부룬디 38.6%, 아프가니스탄 38.1%, 타지키스탄 37.3% 순이었다.
로컬 환경에서 발생하는 보안 위험에 대응하려면 악성 파일 탐지와 치료 기능 외에도 방화벽, 안티루트킷(Anti-Rootkit), 이동식 장치 제어 등 복수의 보안 기능이 요구된다.
악성코드 탐지 넘어 행위 분석까지…다층 보안 체계 강조
웹 기반 공격과 로컬 위협은 악성코드가 유입되는 경로와 공격 방식에서 차이를 보인다. 브라우저 취약점을 악용하는 공격은 소프트웨어의 보안 결함을 이용하는 반면, 로컬 환경에서는 기존 감염 파일이나 이동식 매체 등을 통한 확산 가능성을 함께 고려해야 한다.
이에 따라 알려진 악성코드의 특징을 식별하는 방식뿐 아니라 프로그램의 실제 동작을 분석해 비정상적인 행위를 찾아내는 보안 기술도 활용되고 있다.
카스퍼스키는 머신러닝 모델과 행위 기반 휴리스틱을 결합한 행동 탐지(Behavior Detection) 기능으로 알려지지 않은 코드의 악성 행위를 식별하고 있다. 익스플로잇 예방(Exploit Prevention) 기술은 소프트웨어 취약점을 악용하려는 공격 시도를 실시간으로 탐지하고 차단하는 역할을 담당한다.
이번 분석에 활용된 KSN은 전 세계 자발적 참여자로부터 수집한 보안 관련 데이터를 클라우드 기반으로 분석하는 시스템이다. 전문가 분석과 빅데이터, 머신러닝을 결합해 새로운 위협을 식별하며, 수집 정보에는 집계 통계 처리와 개인정보 필터링, 데이터 전송 암호화 등의 보호 조치가 적용된다.
카스퍼스키는 웹 기반 위협과 로컬 위협을 구분해 국내 보안 환경을 분석했으며, 국가별 사용자 공격 비율과 위험도 순위도 함께 제시했다. 관련 글로벌 보안 통계는 카스퍼스키의 위협 정보 사이트 '시큐어리스트(SecureList)'에서 확인할 수 있다.
