봇 탐지란? 최신 방어 방식 총정리

요약: 포스트 휴먼 인터넷

디지털 생태계는 벼랑 끝에 서 있습니다. 30년 동안 인터넷을 지배해 온 기본 전제, 즉 사용자의 요청은 사람의 의도에 대응한다는 가정이 돌이킬 수 없이 무너졌습니다. 우리는 “포스트 휴먼 인터넷” 시대에 들어섰습니다. 자동화된 에이전트가 사람 사용자보다 많아졌을 뿐 아니라 웹의 경제적, 정보적 현실을 적극적으로 형성하는 패러다임입니다. 2025년에 분수령이 찾아왔습니다. 자동화된 트래픽이 사람의 활동을 넘어서며 전체 웹 트래픽의 53% 이상을 차지했고(Imperva, 2026), 이제 자동화는 에이전틱 AI 활동의 폭발적인 증가를 앞세워 사람의 트래픽보다 훨씬 빠르게 늘고 있습니다(HUMAN Security, 2026).

이는 단순한 양적 변화가 아니라 질적 변화입니다. 과거의 스크립트 크롤러는 “에이전틱 AI”로 진화했습니다. 추론하고, 복잡한 비즈니스 로직을 탐색하며, 섬뜩할 만큼 정교하게 사람의 행동 생체 특성을 흉내 내는 자율적이고 목표 지향적인 존재입니다.

이 가이드는 2025년 봇 탐지 환경에 대한 전략적, 기술적 분석입니다. 광고주, 보안팀, 마케팅 리더를 위해 작성했으며, 자동화된 위협에 관한 학술 연구와 실제 위협 인텔리전스를 한데 모았습니다. IP 평판과 WAF 같은 기존 방어의 실패를 분석하고, 전문가 혼합(Mixture-of-Experts, MoE) 탐지 아키텍처의 부상을 살펴보며, Aisuru 봇넷과 Ticketmaster/Snowflake 침해를 포함한 2025년의 주요 사건을 분석합니다.

자동화된 위협의 분류

봇을 막으려면 봇을 이해해야 합니다. 봇이라는 용어는 선의의 인덱서부터 국가가 후원하는 사이버 무기까지 모두 아우르는 혼란스러운 포괄 개념입니다. 2025년에 위협의 분류는 의도와 정교함에 따라 뚜렷한 범주로 정리되었습니다.

의도의 스펙트럼: 유익한 봇부터 악성 봇까지

자동화는 디지털 경제의 엔진입니다. “좋은” 봇과 “나쁜” 봇을 가르는 일은 더 이상 이분법적 선택이 아니라 비즈니스 로직에 기반한 정책 결정입니다.

필수 인프라 (좋은 봇)

• 검색 엔진 크롤러: Googlebot, Bingbot과 현지화된 변형(예: Baidu Spider)은 SEO에 필수적입니다. 하지만 가장 많이 사칭되는 에이전트이기도 합니다. 공격자는 방화벽을 우회하려고 Googlebot의 User-Agent 문자열을 자주 위조합니다. DNS 역방향 조회로 인증하는 방법(IP가 주장하는 ASN에 속하는지 확인)이 유일한 방어책입니다
• 파트너 생태계: 사용자가 은행 데이터 접근을 명시적으로 허용한 금융 데이터 집계 서비스(예: Plaid, Yodlee)와 여행 집계 서비스(예: Skyscanner)가 여기에 포함됩니다. 이를 차단하면 사용자 경험이 나빠질 수 있지만, 허용하면 자격 증명 오용의 경로가 열립니다

악의적 행위자 (나쁜 봇)

OWASP(Open Web Application Security Project)는 2025년을 지배하는 몇 가지 핵심 행동으로 자동화 위협 환경을 정의합니다.

정교함의 진화: 봇의 세대

공격자와 방어자 사이의 군비 경쟁은 봇을 네 개의 뚜렷한 세대로 진화시켰습니다. 이 흐름을 이해해야 기존 도구가 왜 실패하는지 알 수 있습니다.

1세대: 스크립트 키디 시대
Python(requests 또는 urllib), PHP, bash(cURL)로 작성한 기본 스크립트입니다. JavaScript를 실행하지 못하고, 쿠키를 제대로 처리하지 못하며, 기본 User-Agent 문자열(예: python-requests/2.25.1)로 자신의 존재를 알립니다.

탐지: 간단합니다. User-Agent나 쿠키 미지원을 기준으로 차단합니다.

2세대: 헤드리스 브라우저
공격자는 PhantomJS, Selenium, 초기 Puppeteer 같은 도구로 옮겨 갔습니다. 그래픽 사용자 인터페이스(GUI)가 없을 뿐 실제 브라우저입니다. JavaScript를 실행하고, DOM을 렌더링하며, 쿠키를 처리할 수 있습니다.

탐지: JavaScript 챌린지로 누락된 브라우저 기능(예: navigator.webdriver = true 확인)이나 브라우저 환경의 불일치(예: 설치된 플러그인 없음, 기본 창 크기)를 찾아낼 수 있습니다.

3세대: 인간 모방형
지문 탐지를 우회하기 위해 봇은 브라우저 지문을 수정해 일반적인 Chrome이나 Firefox 사용자와 똑같아 보이게 했습니다. Puppeteer용 “Stealth Plugin” 같은 도구로 webdriver 속성을 숨기고, 기본적인 마우스 움직임과 클릭을 흉내 냅니다.

탐지: 행동 분석(마우스 움직임의 곡률 분석)과 고급 기기 지문(Canvas 해시, WebGL 렌더러 분석)이 필요합니다.

4세대: 사이보그와 에이전틱 AI (2025년의 표준)
현재의 최상위 포식자입니다. 이 봇은 “사이보그” 기법(사람 사용자를 보강하거나 주거용 프록시를 통해 감염된 사람의 기기를 이용)과 “에이전틱 AI”를 사용합니다.

특징: 주거용 프록시 네트워크(수백만 대의 가정용 라우터로 구성)를 이용해 요청마다 IP를 바꿉니다. AI(비전-언어 모델)로 CAPTCHA를 풀고, “사람 같은” 마우스 떨림과 다양한 반응 시간을 만들어 냅니다. 웹사이트의 변경에도 자동으로 적응합니다.

탐지: 의도 기반 탐지, 전문가 혼합 AI 모델, 수동적인 암호화 챌린지가 필요합니다. 여기서 IP 평판은 쓸모가 없습니다.

기존 방어의 실패

2025년에도 봇 공격이 계속 성공하는 것은 대체로 업계가 근본적으로 낡은 방어 패러다임에 의존하기 때문입니다. 다음 방법론은 여전히 널리 쓰이지만, 최신 위협에 대해서는 보호 효과가 거의 또는 전혀 없습니다.

IP 평판의 종말

수십 년 동안 IP 주소는 사용자의 핵심 식별자였습니다. 보안팀은 알려진 데이터 센터 IP(AWS, Google Cloud, DigitalOcean)의 “차단 목록”와 불량 평판 피드에 의존했습니다.

주거용 프록시 혁명: 주거용 프록시가 상품화되면서 IP 차단은 무의미해졌습니다. 이제 공격자는 수백만 개의 합법적인 주거용 IP를 거쳐 트래픽을 보냅니다. 감염된 IoT 기기(“BadBox” 현상)이거나, 자신도 모르게 대역폭을 파는 “무료” VPN 앱 사용자의 IP입니다. 하나의 크리덴셜 스터핑 캠페인이 50만 개의 고유 IP 주소를 쓰면서 각 IP에서는 요청을 한두 건만 보낼 수 있습니다. 제한할 “빈도”가 없고, IP는 Comcast나 Verizon 같은 무고한 ISP 소유입니다.

IPv6 고갈: IPv6 주소 공간이 워낙 방대해 공격자는 수조 개의 주소를 돌려 쓸 수 있고, 정적 차단 목록는 수학적으로 불가능해집니다.

WAF의 오해: “업계가 잘못 알고 있는 것”

웹 애플리케이션 방화벽(WAF)이 봇 완화 도구라는 심각한 오해가 계속되고 있습니다.

통념: “내 WAF는 SQL 인젝션을 막으니 봇도 막는다.”

현실: WAF는 요청의 구문을 검사해 악성 페이로드(예: ' OR 1=1)를 찾도록 설계되었습니다. 스크래핑이나 크리덴셜 스터핑에 관여하는 봇은 구문상 완벽한 요청을 보냅니다. 유효한 헤더, 유효한 페이로드, 유효한 URL을 사용합니다. 익스플로잇 코드를 찾는 WAF는 이런 트래픽을 막지 못하고 그대로 통과시킵니다. 봇 관리에는 구문만이 아니라 의도와 행동을 분석하는 일이 필요합니다.

CAPTCHA: 실패한 튜링 테스트

CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart)는 핵심 방어 수단으로서의 유용성을 잃었습니다.

• AI 풀이기: YOLO나 맞춤형 CNN 같은 최신 컴퓨터 비전 모델과 GPT-4V 같은 멀티모달 LLM은 이미지 인식 과제(횡단보도나 자전거 찾기)를 사람보다 더 정확하고 빠르게 풀 수 있습니다. 학술 연구에서는 AI가 대부분의 전통적인 이미지 CAPTCHA를 뚫을 수 있음이 밝혀졌습니다
• CAPTCHA 팜: 어려운 퍼즐은 공격자가 CAPTCHA를 클릭 팜의 저임금 노동자에게 넘기는 API 서비스를 이용하며, 노동자는 1센트도 안 되는 금액에 이를 풉니다. 이 공격의 “사이보그” 성격은 사람과 기계의 경계를 흐립니다
• 사용자 마찰: 번거로운 CAPTCHA 때문에 놓치는 전환의 경제적 비용이 봇 트래픽 자체의 비용보다 큰 경우가 많습니다

고급 탐지 아키텍처 (봇 탐지의 과학)

IP 차단과 CAPTCHA가 죽었다면 무엇이 통할까요? 2025년의 방어 스택은 TLS 지문, 행동 생체인식, 전문가 혼합 AI라는 세 가지 첨단 기술에 의존합니다.

지문의 진화: JA3에서 JA4+로

브라우저는 User-Agent를 위조할 수 있지만, 보안 연결(TLS/SSL)을 맺을 때 쓰는 기반 암호화 핸드셰이크를 위조하기는 훨씬 어렵습니다.

JA3 표준: Salesforce가 도입한 JA3는 TLS Client Hello 패킷 필드(암호 스위트, TLS 버전, 확장, 타원 곡선)의 순서와 값을 바탕으로 지문을 만듭니다.

공식: MD5(TLSVersion,Ciphers,Extensions,EllipticCurves,EllipticCurvePointFormats)

결함: 공격자들은 코드에서(특히 Go 기반 봇에서) 암호 순서를 무작위로 섞는 방법(“Cipher Stunting”)을 알아냈고, 연결마다 JA3 해시가 달라졌습니다.

JA4+ 해법: 2024년에 업계는 JA4로 옮겨 갔습니다. 이 방식은 해시하기 전에 암호와 확장을 정렬해 무작위화 전술을 무력화합니다. 불투명한 해시가 아니라 사람이 읽을 수 있는 문자열(예: t13d1516h2_8daaf6152771_e8f237912443)을 생성합니다.

효과: 보안팀은 이제 서로 다른 IP에서 온 수백만 건의 요청을 하나의 JA4 지문으로 묶을 수 있습니다. 5만 개의 주거용 IP가 모두 같은 Python 스크립트로 스크래핑한다면 JA4 서명을 공유하므로, 규칙 하나로 봇넷 전체를 차단할 수 있습니다.

행동 생체인식: 진짜임을 가르는 물리학

기계가 사람인 척할 때는 생물학적 불완전함을 재현하기 어렵습니다. 행동 생체인식은 사용자의 미세한 상호작용을 분석합니다.

• 마우스 동역학: 사람은 마우스를 호(베지어 곡선)를 그리며 움직이고 Fitts의 법칙에 따라 가속하고 감속합니다. 봇은 직선으로 움직이거나 즉시 “순간이동”하는 경우가 많습니다. 고급 탐지는 커서 경로의 엔트로피와 “떨림”을 분석합니다
• 터치 및 센서 데이터: 모바일 기기에서는 탐지 스크립트가 가속도계와 자이로스코프에 접근합니다. 빠른 타이핑이 일어나는데 기기가 완벽히 정지해 있다면(센서 분산 0.00) 에뮬레이터이거나 기기 팜 랙일 가능성이 높습니다. 휴대폰을 든 사람은 끊임없이 미세한 떨림을 만듭니다
• 키 입력 동역학: 사람은 고유한 “리듬”(키 사이의 비행 시간, 키를 누르고 있는 체류 시간)을 가집니다. 봇은 보통 사람이 낼 수 없는 속도나 의심스러울 만큼 균일한 간격(예: 모든 키 입력 사이가 정확히 100ms)으로 타이핑합니다

전문가 혼합(MoE): AI 방어

봇 데이터는 복잡하기 때문에 정교한 AI 아키텍처가 필요합니다. 모든 것을 하나의 랜덤 포레스트로 처리하는 것 같은 단일 모델 방식은 DDoS 봇과 콘텐츠 스크래퍼의 특징이 크게 다르기 때문에 실패합니다.

아키텍처: MoE 모델은 “분할 정복” 전략을 사용합니다.

• 게이팅 네트워크: 경량 신경망이 들어오는 요청을 분석해 어떤 “전문가”가 평가에 가장 적합한지 결정합니다
• 전문가: 특정 모달리티로 학습한 전문 하위 모델입니다.
  • 전문가 A: 시퀀스 분석(클릭스트림) 전문
  • 전문가 B: NLP(댓글 텍스트 분석) 전문
  • 전문가 C: 그래프 토폴로지(IP 클러스터링) 전문
• 집계: 선택된 전문가들의 출력에 가중치를 두고 결합해 최종 “봇 점수”를 만듭니다

성능: 학술 벤치마크에 따르면 MoE 아키텍처는 단일 구조의 기준 모델을 크게 앞서며, 특히 불완전한 데이터나 새로운 봇 변종을 다룰 때 두드러집니다.

비가시적 검증과 PoW

CAPTCHA를 대체하기 위해 방어자는 작업 증명(Proof-of-Work, PoW)을 사용합니다.

메커니즘: 서버가 클라이언트 브라우저에 암호화 챌린지(예: “0000으로 시작하는 값으로 해시되는 nonce를 찾으시오”)를 보냅니다.

효과: 정상 사용자의 기기는 사용자가 알아채지 못하는 사이 몇 밀리초 만에 이를 풉니다. 1,000만 건의 요청을 시도하는 봇 운영자에게는 연산 비용이 감당할 수 없을 만큼 커져 공격의 ROI가 무너집니다. 공격자에게 금전적 세금을 부과하는 셈입니다.

비공개 액세스 토큰(PAT): Apple의 PAT 같은 시스템은 기기(iPhone/Mac)가 Secure Enclave를 통해 사용자의 적법성을 증명하게 하며, 사용자 신원을 드러내지 않고 신뢰 토큰을 제공합니다.

실패와 성공 사례 연구 (2024~2025년)

봇 탐지의 이론적 원리는 최근의 주요 사건을 통해 가장 잘 이해할 수 있습니다. 2024년과 2025년은 자동화된 전쟁이 확대되는 과정에서 뼈아픈 교훈을 남겼습니다.

Ticketmaster와 ShinyHunters 침해 (2024년 5월)

사건: 2024년 5월, 해킹 그룹 ShinyHunters가 Ticketmaster 사용자 5억 6,000만 명의 데이터를 탈취했습니다.

메커니즘: 이는 봇이 Ticketmaster 웹사이트를 스크래핑한 전형적인 프런트엔드 봇 공격이 아니었습니다. Ticketmaster의 클라우드 스토리지 제공업체인 Snowflake를 노린 공급망 공격이었습니다.

봇 경로: 공격자는 “인포스틸러” 멀웨어 봇을 사용해 Snowflake 직원 또는 계약자의 기기에서 자격 증명을 수집했습니다. 이러한 자동화 봇은 감염된 기기에서 저장된 브라우저 비밀번호와 세션 쿠키를 샅샅이 뒤집니다.

실패 요인: 탈취된 계정에는 다단계 인증(MFA)이 없었습니다. 공격자는 자격 증명을 확보한 뒤 자동 유출 스크립트로 1.3테라바이트의 데이터를 내려받았습니다.

시사점: 봇 탐지는 더 이상 웹사이트 보호에 국한되지 않습니다. 직원 엔드포인트까지 확장되어야 합니다. 인포스틸러 봇으로 인증 계층을 우회하는 것은 멀웨어와 자동화가 수렴하고 있음을 보여 줍니다.

Aisuru 봇넷 (2025년 말)

사건: 새로운 봇넷 “Aisuru”가 등장해 최대 22.2Tbps(테라비트/초)에 달하는 공격으로 DDoS 기록을 갈아치웠습니다.

메커니즘:

• 감염: Aisuru는 네이티브 개발 키트(NDK)의 취약점을 이용해 180만 대 이상의 Android 기반 기기(TV 박스, 라우터)를 감염시켰습니다
• 이중 수익화: DDoS만 하는 전통적인 봇넷과 달리 Aisuru는 “Proxy-as-a-Service” 모델로 운영되었습니다. 운영자는 감염된 기기의 “깨끗한” IP를 다른 사이버 범죄자에게 팔아 스크래핑과 크리덴셜 스터핑에 쓰게 했습니다

영향: 이는 “하이브리드” 위협을 보여 줍니다. 오늘 DDoS 공격을 하던 기기가 내일은 운동화 봇의 주거용 프록시로 쓰일 수 있습니다. 탐지 시스템은 이처럼 흩어진 활동을 연관 지어 근본에 있는 감염된 호스트를 찾아내야 합니다.

BadBox 2.0 (광고 사기 작전)

사건: 수백만 대의 “노브랜드” Android TV 박스와 프로젝터가 연루된 사기 작전입니다.

메커니즘: 기기들은 펌웨어 백도어가 미리 설치된 채 판매되었습니다(공급망 침해). 인터넷에 연결되면 봇넷을 이루어 백그라운드에서 보이지 않는 브라우저 세션을 실행하고 동영상 광고를 불러와 운영자에게 부정한 수익을 안겼습니다.

탐지의 어려움: 트래픽은 실제 주거용 IP에서, 사람이 실제로 사용하는 기기(TV 시청)에서 발생했습니다. 생체 특성으로 보면 기기 활동은 사람의 것(리모컨 클릭)이었지만, 네트워크 활동은 부정한 것이었습니다.

해결: 명령 및 제어(C2) 인프라를 해체하려면 위협 인텔리전스 기업, Google, 법 집행 기관의 긴밀한 협력이 필요했습니다.

봇, 크롤링 예산, AI 스크래퍼

사이트 운영자에게 봇의 증가는 이중의 과제입니다. 악성 스크래퍼로부터 사이트를 보호하면서도 유익한 크롤러와 새로운 AI 검색 에이전트에는 노출을 유지해야 합니다.

“크롤링 예산”의 경제학

봇이 보내는 모든 요청은 서버 자원을 소모합니다. 대규모 사이트에 Google은 일정 기간에 크롤링할 페이지 수인 “크롤링 예산”을 할당합니다.

위협: 서버 용량의 40%를 악성 스크래퍼나 공격적인 타사 SEO 도구(예: Ahrefs, Semrush 봇)가 소모하면 Googlebot이 5xx 오류나 지연 증가를 겪을 수 있습니다. Google은 “페이지 속도”(Core Web Vitals)를 순위 요소로 명시적으로 사용합니다. 통제되지 않은 봇 트래픽은 실제 사용자와 Googlebot에게 사이트를 느리게 만들어 SEO 순위를 직접 떨어뜨립니다.

AI 스크래퍼와 Robots.txt 관리

생성형 AI의 부상은 LLM 스크래퍼(예: GPTBot, ClaudeBot, CCBot)라는 새로운 종류의 봇을 낳았습니다.

딜레마: 이런 봇을 허용하면 자원을 소모하고 콘텐츠를 모델 학습용으로 공짜로 내주게 됩니다. 이를 차단하면(robots.txt의 Disallow: /) 콘텐츠가 수집되지 않아 ChatGPT나 Claude가 생성하는 답변에 브랜드가 나타나지 않을 수 있으며, 이를 “답변 엔진 최적화”(AEO)라고 부릅니다.

전략: 업계는 세분화된 접근으로 가고 있습니다. 지식재산을 보호하기 위해 “학습 봇”(예: CCBot)은 차단하고, 사용자 질문에 출처와 함께 답하기 위해 실시간 정보를 가져오는 “검색 봇”(예: ChatGPT-User, PerplexityBot)은 허용할 수 있습니다.

미래의 전망과 새로운 위협

에이전틱 AI와 의도 분석

가까운 미래는 에이전틱 AI가 좌우합니다. 이는 텍스트를 쓰는 LLM에 그치지 않고 행동할 수 있는 에이전트입니다.

능력: 에이전틱 AI에게 “런던행 가장 저렴한 항공편을 구매하라”는 목표를 줄 수 있습니다. 사이트를 탐색하고, 팝업을 처리하고, CAPTCHA를 풀고, 결제 정보를 입력합니다.

방어: 탐지는 의도 분석으로 옮겨 가야 합니다. 더 이상 “사람 대 봇”의 문제가 아니라 “악의적 대 무해”의 문제입니다. 항공권을 한 장 사는 봇은 개인 비서를 쓰는 고객일 수 있습니다(좋음). 되팔려고 항공권 50장을 사는 봇은 스캘퍼입니다(나쁨). 이를 가려내려면 키 입력만이 아니라 거래의 비즈니스 로직을 분석해야 합니다.

“죽은 인터넷”의 현실

“죽은 인터넷 이론”(웹 트래픽 대부분이 합성이라는 주장)이 운영상의 현실이 되고 있습니다. AI가 콘텐츠를 생성하고 AI 봇이 그 콘텐츠를 크롤링해 새로운 AI를 학습시키면서, 웹은 합성 노이즈의 닫힌 순환 고리가 될 위험이 있습니다. 봇 탐지 시스템은 “인간성 검증 서비스”로 진화할 것입니다. 사람 간 상호작용을 중시하는 모든 플랫폼에 필수적인 인프라입니다.

규제의 역풍

개인정보 보호법(GDPR, CCPA)이 탐지의 필요와 충돌하고 있습니다.

충돌: 견고한 탐지에는 깊이 있는 행동 데이터와 기기 지문을 수집해야 합니다. 개인정보 보호법은 데이터 최소화를 요구합니다.

해법: 엣지 컴퓨팅과 영지식 증명입니다. 탐지 로직이 사용자의 기기(엣지)로 옮겨 갑니다. 기기가 자신의 행동을 직접 분석하고 암호화된 “위험 토큰”을 서버로 보내, 원시 생체 데이터는 로컬에 비공개로 유지됩니다.

결론

자동화된 위협에 맞선 전쟁은 전술적인 IT 골칫거리에서 전략적인 존립 위기로 격상되었습니다. 2025년에는 고객과 가짜를 구별하는 능력이 디지털 무결성을 좌우하는 핵심 요소입니다. 에이전틱 AI, Aisuru 같은 초대용량 봇넷, BadBox 같은 공급망 침해의 공세 앞에서 과거의 방어 전략(단순한 IP 차단과 번거로운 이미지 퍼즐)은 위험할 만큼 낡았습니다.

미래는 비가시적 검증의 몫입니다. 네트워크, 기기, 행동 신호를 AI로 매끄럽게 종합해 백그라운드에서 작동하는 방식입니다. 이를 위해서는 전문가 혼합 아키텍처를 도입하고, JA4+ 같은 견고한 표준을 구현하며, IP 차단에서 의도 분석으로 근본적으로 전환해야 합니다. 디지털 기업에게 메시지는 분명합니다. 에이전틱 AI 시대에 기계와 싸우는 유일한 방법은 더 나은 기계를 쓰는 것입니다.