슬롭스쿼팅: AI가 패키지를 만들었는데, 공격자가 기다리고 있었다

(dev.to)

Dev.to WebDev2026년 9월 30일AI 코딩

AI 코딩 어시스턴트가 생성하는 존재하지 않는 패키지 이름을 공격자가 미리 등록해 악성 코드를 심는 '슬롭스쿼팅(Slopsquatting)' 공격이 등장하며, 개발자의 실수가 아닌 AI에 대한 신뢰가 새로운 보안 위협으로 부상하고 있습니다.

이 글의 핵심 포인트

1슬롭스쿼팅은 AI가 생성한 존재하지 않는 패키지 이름을 공격자가 미리 등록해 악성 코드를 심는 공격 방식임
2USENIX Security 2025 연구에 따르면, LLM이 추천한 패키지의 약 19.7%가 환각 현상에 의한 존재하지 않는 이름임
3AI의 환각은 무작위가 아니며, 특정 프롬프트에 대해 생성된 환각 이름의 43%가 반복적으로 나타나는 예측 가능성을 가짐
4기존의 타이포스쿼팅(Typosquatting) 방어 기술은 문자 유사도 기반이라, 완전히 새로운 이름인 슬롭스쿼팅을 탐지하기 어려움
5상용 모델(GPT-4 Turbo 등)은 오픈소스 모델보다 환각률이 낮지만, 여전히 0%에 도달하지 않은 위험 요소가 존재함

이 글에 대한 공공지능 분석

왜 중요한가?

개발자의 단순 실수가 아닌 AI의 '환각(Hallucination)'을 공격의 매개체로 삼기에 기존 보안 패러다임을 뒤흔듭니다. AI가 제안하는 코드가 논리적으로 완벽해 보일수록 개발자는 의존성 설치 명령어를 의심 없이 실행하게 되며, 이는 구조적인 보안 취약점으로 작용합니다.

어떤 배경과 맥락이 있나?

LLM 기반 코딩 도구의 확산으로 패키지 추천 기능이 보편화되었으나, 연구에 따르면 추천 패키지의 약 19.7%가 환각 현상에 의한 허구의 이름임이 밝혀졌습니다. 공격자는 이 예측 가능한 오류를 미리 선점하여 악성 패키지를 등록함으로써 공격 표면을 구축하고 있습니다.

업계에 어떤 영향을 주나?

소프트웨어 공급망 보안(Supply Chain Security)의 기준이 '문자 유사도' 기반에서 'AI 생성 코드 검증' 중심으로 이동해야 합니다. 개발 생산성을 높이는 AI 도구가 동시에 보안 침투의 통로가 될 수 있음을 인지하고, 의존성 관리 프로세스의 재설계가 필요합니다.

한국 시장_시사점?

AI 도입 속도가 매우 빠른 한국 스타트업들은 개발 프로세스 내에 AI 생성 의존성을 검증하는 자동화된 보안 스캔 단계를 필수적으로 포함해야 합니다. 특히 오픈소스 활용도가 높은 국내 개발 환경에서 AI 기반 개발 가속화는 양날의 검이 될 수 있습니다.

이 글에 대한 큐레이터 의견

슬롭스쿼팅은 AI 시대의 개발 생산성 향상이 가져온 '신뢰의 역설'을 보여주는 사례입니다. AI가 생성한 코드가 문법적으로 완벽할수록 개발자는 의존성 설치 명령어를 무비판적으로 수용하게 되며, 공격자는 바로 이 '신뢰의 틈'을 이용해 예측 가능한 환각 이름을 선점합니다. 스타트업 창업자들은 AI 도구가 주는 속도라는 이점과 보안 리스크 사이의 트레이드오프를 명확히 이해해야 합니다.

물론 AI 사용을 전면 금지하거나 검증 프로세스를 과도하게 복잡하게 만드는 것은 제품 출시 속도(Time-to-Market)를 늦추는 치명적인 결과를 초래할 수 있습니다. 따라서 무조건적인 경계보다는, AI가 제안한 패키지의 존재 여부와 출처를 자동으로 확인하는 'AI-Native 보안 체크'를 CI/CD 파싱 단계에 내재화하는 전략적 접근이 필요합니다. 개발자의 직관에 의존하기보다 시스템적으로 AI의 환각을 필터링하는 구조를 만드는 것이 지속 가능한 성장의 핵심입니다.

원문 보기 →