“ChatGPT에서 취약점 발견, 기밀 정보가 외부로 유출될 우려가 있다.”

2026년 3월 말 보안 기업 체크포인트 소프트웨어 테크놀로지스(이하 체크포인트)가 발표한 조사 결과는 전 세계 IT 담당자들에게 큰 파장을 일으켰다.

하지만 이번 문제를 기존 바이러스 감염이나 해킹과 같은 사건으로 보는 것은 정확하지 않다.

핵심은 시스템 오류라기보다 대규모 언어 모델(LLM)이라는 새로운 기술이 가진 ‘설계상 경계 관리의 어려움’에 있다.

이번 사례를 통해 DNS를 활용한 외부 통신 방식이 어떻게 작동하는지 살펴보고, 기업이 마주한 실제 위험과 대응 방향을 분석한다.

무엇이 발생했나… ‘DNS 터널링’이라는 숨겨진 통로

이번 지적은 ChatGPT의 코드 실행 기능(Advanced Data Analysis 등)이 작동하는 실행 환경에서 발생했다.

원래 차단돼야 하는 외부 통신이 인터넷 주소 체계인 DNS(도메인 이름 시스템)를 악용하면서 가능해졌다는 내용이다.

일반적으로 ChatGPT 내부 실행 환경은 인터넷과 분리된 샌드박스 구조로 운영된다.

하지만 호스트 이름을 IP 주소로 변환하는 DNS 요청은 시스템 운영 과정에서 허용되는 경우가 많다.

공격자는 바로 이 틈을 노렸다.

공격 방식

악성 프롬프트 입력

사용자에게 유용한 도구처럼 위장한 지시를 입력하게 하거나, 외부 웹사이트를 불러오도록 유도한다. 이를 간접 프롬프트 주입이라고 한다.

데이터 변환

ChatGPT 내부에서 실행되는 코드가 업로드된 PDF 등 유출 대상 데이터를 특정 도메인 주소 일부에 삽입한다.

예를 들어 data.attacker.com과 같은 도메인 형태에 정보를 숨기는 방식이다.

DNS 요청 발생

시스템이 해당 도메인의 주소를 확인하는 순간, 데이터가 포함된 요청이 공격자가 관리하는 네임서버로 전달된다.

체크포인트의 실증 결과에 따르면 이 방식은 사용자가 의도하지 않은 형태로 프롬프트 내용이나 기밀 파일 정보가 외부로 전송될 가능성을 보여줬다.

과도한 우려는 필요 없다… 시스템 전체 붕괴는 아니다

기사 제목만 보면 ChatGPT를 사용하는 순간 정보가 유출되는 것처럼 보일 수 있다.

하지만 실제 위험 수준은 제한적이라는 평가도 나온다.

‘취약점’이라는 표현의 의미

이번 사례는 운영체제 오류나 네트워크 보안 돌파 같은 기존 취약점(CVE)과는 성격이 다르다.

허용된 기능 범위 안에서 애플리케이션이 예상하지 못한 방식으로 동작한 사례에 가깝다.

이미 수정 완료

OpenAI는 해당 문제를 심각하게 받아들이고 2026년 2월 20일 기준으로 수정 패치를 적용했다고 밝혔다.

현재 정상적인 ChatGPT 환경에서는 동일한 방식의 재현이 어렵다.

높은 실행 난이도

공격이 실제로 성공하려면 사용자가 매우 정교하게 설계된 악성 프롬프트를 직접 입력하거나, 악성 플러그인 또는 GPTs를 선택해 사용하는 과정이 필요하다.

그렇다고 가볍게 볼 수 없다… LLM 시대의 새로운 공격 영역

반대로 이번 문제를 단순한 사소한 오류로 치부하는 것도 위험하다.

이번 사례는 AI가 외부 시스템과 연결될 때 보안 경계가 얼마나 중요한지를 보여줬기 때문이다.

1. 자연어 자체가 공격 수단이 되는 시대

기존 보안 시스템은 실행 파일이나 네트워크 패킷을 중심으로 감시해왔다.

하지만 LLM에서는 자연어 자체가 명령어처럼 작동한다.

이번 사례는 코드가 직접 개입하지 않아도 AI의 출력 결과 자체가 정보 유출 경로가 될 수 있다는 점을 보여준다.

2. AI 에이전트 확산으로 위험 증가

2026년 현재 AI는 단순한 대화형 서비스에서 벗어나 웹 검색, API 호출, 이메일 전송까지 수행하는 ‘에이전트’ 형태로 발전하고 있다.

문제는 AI가 사용자를 대신해 행동하는 과정에서 발생한다.

AI에 과도한 권한이 부여된 상황에서 숨겨진 통신 경로가 결합하면, 사용자가 인지하지 못하는 사이 기업 내부 정보가 외부 API로 지속적으로 전달될 위험이 있다.

3. 새로운 보안 기준 필요

글로벌 웹 보안 기준인 OWASP의 ‘LLM 애플리케이션 보안 Top 10(2025)’에서도 ‘LLM02: 민감 정보 공개’와 ‘LLM06: 과도한 권한’이 주요 위험 항목으로 포함됐다.

이번 DNS 기반 정보 유출 사례는 AI 보안 분야의 새로운 흐름을 보여주는 사례로 평가된다.

핵심은 기업의 ‘AI 거버넌스’

사이버보안 전문가는 이번 논란의 본질이 AI 모델 자체의 문제가 아니라 AI를 둘러싼 생태계 설계에 있다고 지적한다.

“중요한 문제는 AI 모델 자체의 결함이 아니라 AI를 둘러싼 생태계 설계입니다. 많은 기업이 AI를 기존 업무 과정에 도입하고 있지만, AI가 내놓는 결과물을 아무 검증 없이 신뢰하고 있지는 않은지 점검해야 합니다.”

이어 “이번 사례는 AI의 출력 역시 인터넷에서 들어오는 알 수 없는 입력과 마찬가지로 엄격하게 감시해야 한다는 점을 보여줬다”고 설명했다.

기업 현장에서 AI 사용 자체를 막는 것은 현실적인 해결책이 아니다.

대신 다음과 같은 대응이 필요하다.

외부 전송 통신 감시 및 제한

기업 환경에서 AI 서비스로 나가는 통신뿐 아니라 AI 실행 환경에서 외부로 연결되는 통신, 특히 DNS 요청과 비정상 포트 통신을 허용 목록 방식으로 제한해야 한다.

간접 프롬프트 주입 대응

외부 웹사이트나 문서를 AI에 요약하도록 요청할 때 숨겨진 명령이 포함될 수 있다는 점을 인식해야 한다.

직원 교육 과정에서도 AI에 입력하는 정보의 신뢰성을 판단하는 절차를 마련해야 한다.

쉐도우 AI 관리

개인 계정으로 ChatGPT를 사용하는 대신 API 또는 기업용 서비스(ChatGPT Enterprise 등)를 도입해 데이터 관리와 로그, 통신 제어 체계를 구축해야 한다.

과도한 공포보다 새로운 설계가 필요하다

‘ChatGPT 취약점’이라는 표현에 지나치게 불안해할 필요는 없다.

하지만 AI가 사회 기반 기술로 자리 잡는 과정에서 보안의 중심이 기존 시스템 취약점에서 AI 모델의 행동 방식 관리로 이동하고 있다는 점은 중요하다.

이번 사례는 AI를 만능 도구가 아니라 하나의 복잡한 소프트웨어 구조로 바라보고, 다층적인 보안 체계를 구축해야 한다는 경고다.

정확히 이해하고, 정확히 대비하는 것.

그것이 LLM 시대 기업 보안의 새로운 기준이 될 전망이다.