악성 봇이 인터넷을 점령하다! [2026 배드봇 리포트 핵심 정리 & 무료 다운로드]

AI 에이전트가 어떻게 온라인 트래픽의 지형을 변화시키고 있는지 정리해 드립니다.

2026. 7. 9.

웹에서 보기

👉 수요레터 구독하기

악성 봇이 인터넷을 점령하다!

한 줄 요약

이제 인터넷 트래픽의 절반 이상이 봇이고, 그중 악성 봇이 40%. AI 에이전트 시대에 정상과 악성의 경계가 무너지며 방어 패러다임 자체를 바꿔야 할 때.

봇이 인터넷 과반 점령 — 사람 47% vs 봇 53%(악성 봇 40%). 2023년 역전 후 계속 악화 중
AI가 만든 제3의 트래픽 — 크롤러·페처 봇 등장으로 정상/악성 구분 자체가 모호해짐
공격량 1,250% 폭증 — 하루 200만 → 2,500만 건. 그마저도 빙산의 일각
API·계정 탈취가 급소 — 봇 공격 27%가 API 겨냥, 계정 탈취 46%는 금융권
방어에서 거버넌스로 — "봇과 사람은 구분 안 된다" 전제. 캡차식 방어는 이미 무력

안녕하세요, 촌장입니다.

AI를 빼놓고는 어떤 보안 주제도 이야기할 수 없는 시대가 되었습니다. AI 기반의 자동화는 인터넷 트래픽의 흐름도 완전히 변화시키고 있는데요. 전체 인터넷 트래픽 중 53%가 이미 봇 트래픽이라고 합니다. 인터넷 세상에서 이미 사람보다 봇이 더 대세가 된 시대가 되었다고 해도 과언이 아닙니다.
하지만 더 중요한 건 이런 봇 트래픽 중 악성 봇, 즉 배드 봇의 비율이 확연하게 높아지고 있다는 흐름입니다. 그러니 보안을 말할 때, 배드 봇을 말하지 않을 수가 없죠.

탈레스(Thales)는 매년 Bad Bot Report를 발간하고 있습니다. 올해도 어김없이 2026년 에디션을 발표했는데요. 이번 리포트의 부제는 "에이전트형 AI 시대의 배드 봇"입니다. AI 에이전트가 어떻게 온라인 트래픽의 지형을 변화시키고 있는지 지난 2025년 한 해 동안의 전세계의 봇 활동을 종합적으로 분석한 리포트입니다.

지난 잇츠맨 웨비나에서 탈레스코리아의 조재웅 이사와 함께 이 리포트의 핵심 내용을 짚어 봤는데요. AI 에이전트 시대에 봇 트래픽이 얼마나 확장되고 있는지, 그리고 정상 트래픽과 악성 트래픽의 경계가 어떻게 허물어지고 있는지를 집중적으로 살펴봤습니다. 숫자 속에 숨어 있는 함의를 풀어본 시간이었고, 이를 통해 기업의 보안 상황을 다시 점검해 볼 수 있는 좋은 인사이트를 드릴 수 있었습니다.

이번 잇츠맨 리뷰는 배드 봇에 대해 정리해 봅니다.

봇 트래픽, 인터넷의 절반을 점령하다

이번 리포트는 2025년 전체 봇 활동 데이터를 기반으로, 탈레스의 위협 연구소(Threat Research)와 보안 분석 서비스(SAS) 팀의 분석 결과를 담고 있습니다. 벌써 7년째 발간되고 있는 만큼 시계열 데이터의 신뢰도가 상당히 높습니다.
이번 리포트의 핵심 수치를 보면 봇이 어떻게 인터넷 세상을 장악해 가고 있는지 확실히 알 수 있는데요. 전체 인터넷 트래픽 중 사람이 발생시키는 트래픽은 47%에 불과하고, 나머지 53%가 봇 트래픽입니다. 그중 13%가 정상 봇(Good Bot), 무려 40%가 악성 봇(Bad Bot)입니다.
10년 전인 2015년만 해도 사람 트래픽이 54%로 과반을 넘었고, 정상 봇이 악성 봇보다 많았다고 하거든요. 그러나 2023년을 기점으로 사람과 봇의 비율이 역전되기 시작했고, 특히 배드 봇 비율은 전년도 37%에서 40%로 가파르게 상승하고 있는 중입니다.
단순히 비율만 늘어난 게 아니라 전체 트래픽 자체가 폭발적으로 증가하는 와중에 배드 봇의 점유율까지 올라갔다는 점, 이것이 바로 우리가 경계해야 할 진짜 위협의 신호가 아닌가 라고 조재웅 이사는 강조하고 있습니다.

제3의 트래픽, 에이전트형 AI의 등장

"예전에는 정상 봇과 악성 봇이라는 두 가지로 자동화 트래픽을 설명했지만,

지금은 에이전트형 AI가 제3의 트래픽을 발생시키고 있습니다."

이번 리포트의 부제가 말하고 있듯이, 봇 트랙픽은 AI, 특히 AI 에이전트로 인해 그 양상이 바뀌어 가고 있다고 조재웅 이사는 말하고 있는데요. 에이전트는 사용자를 대신해 데이터를 검색하고 작업을 수행하기 위해 애플리케이션과 API를 끊임없이 오갑니다. 문제는 이 트래픽이 정상인지 악성인지 구분하기가 점점 더 어려워진다는 점이죠.
여기서 두 가지 AI 봇을 이해할 필요가 있습니다. AI 크롤러 봇(AI Crawler Bot)은 LLM이나 RAG 시스템의 학습을 위해 웹과 사내 정보를 훑어오는 봇이고, AI 페처 봇(Fetcher Bot)은 사용자 프롬프트에 응답해 특정 정보를 가져오는 봇입니다.
AI 트래픽을 분석한 결과 크롤러 봇이 약 85%, 페처 봇이 15%를 차지했습니다. 그런데 이 중 약 9%가 배드 봇 탐지 규칙에 의해 트리거되었다는 점은, 정상과 악성의 경계가 얼마나 흐려졌는지를 단적으로 보여준다고 볼 수 있겠죠.

우리가 보는 것은 빙산의 일각일 뿐

탐지되는 AI 트래픽은 전체의 극히 일부에 불과합니다.

"우리는 빙산의 일각만 보고 있을 뿐이죠."

2024년에는 하루 평균 200만 건의 공격을 차단했지만, 2025년에는 하루 2,500만 건으로 치솟았습니다. 무려 12.5배, 비율로 환산하면 1,250%라는 어마어마한 증가폭입니다.
더 무서운 것은 이 수치가 '감지되었거나 스스로 봇이라고 밝힌' 트래픽만을 집계한 결과라는 점입니다. 탐지되지 않는 숨은 트래픽은 우리가 가늠하기조차 어려운 규모일 가능성이 높습니다.
그렇다면 우리는 어떻게 대응해야 할까요? 증가폭의 지표를 고려하면, 봇 트래픽은 일단 의심하고 보는 보수적인 방어 자세가 현실적인 출발점이 될 것 같기도 합니다. 하지만 무조건 막기만 한다고 문제를 해결해 주지는 않습니다. 트래픽을 차단한다는 것은 우리 기업의 브랜딩이 더 노출될 수도 있다는 것이고, 이건 비즈니스에 좋지 않는 영향을 주기 때문이죠. 참 쉽지 않은 문제입니다.

API와 계정 탈취, 공격자들이 노리는 급소

이제 API 로 이야기를 넘어가 볼까 합니다. AI 세상에서 폭발적으로 늘어나고 있는 영역이 바로 API 이죠. 여기를 봇이 노리지 않을 이유가 없겠죠.
Bad Bot Repot에 의하면 봇 공격의 약 27%가 API 엔드포인트를 대상으로 했다고 합니다. 오늘날 많은 서비스가 마이크로서비스 기반으로 움직이고 비즈니스 로직이 API로 구현되다 보니, API는 가장 매력적인 공격 표면이 될 수 밖에 없는 상황입니다.
API를 표적으로 하는 위협 중 약 26%는 데이터 유출, 약 13%는 비즈니스 로직 악용·원격 코드 실행·원격 파일 포함 공격입니다. 이런 봇들은 사용자 인터페이스를 완전히 우회하고 정상적인 인증 절차마저 회피하기 때문에 적절한 대응을 어렵게 만들게 하죠.
계정 탈취(Account Takeover, ATO) 공격도 심각합니다. 전체 계정 탈취 공격의 46%가 금융권을 겨냥하고 있는데요, "돈이 되기 때문에" 공격자들이 끊임없이 시도한다는 분석입니다. 한 번만 성공하면 되는 공격이기에 실패 비용이 낮다는 점도 위협을 키우고 있습니다.
흥미로운 것은 계정 탈취 그래프가 2025년 2월, 즉 AI가 본격적으로 활동을 시작한 시기에 급격히 상승했다는 점입니다. 결국 계정 탈취 공격은 AI, API와 긴밀하게 맞물려 진화하고 있다는 증명이지 않을까 합니다.

현실의 피해 사례 — 문자 한 통이 5억이 되다

다중인증(MFA)을 도입했어도 안심하기는 쉽지 않은 상황입니다. 봇은 자격증명을 재사용하거나 API 기반 신원 인증을 악용해 다중인증 프로세스 자체를 공격하고 있기 때문이죠.
조재웅 이사가 소개한 외국계 보험회사 사례는 시사하는 바가 큽니다.
어느 날 이 회사의 SMS 인증 발송 건수가 갑자기 폭증하는 겁니다. 확인해 보니 존재하지 않는 지역과 일회성 계정으로 문자가 마구 발송되고 있는 상황이었죠. 악송 봇이 한 짓이었습니다.
나중에 악성 봇이 SMS 인증 시스템을 악용한 내용을 살펴보니 20일 동안 약 5억 원의 문자 발송 비용 피해가 발생했다는 것을 확인했다고 합니다. 사용자 정보 유출은 없었지만, 서비스를 제공하는 기업 입장에서 막대한 비용 피해를 입은 것이죠.
이처럼 악송 봇의 공격은 단순히 데이터를 빼앗기는 것에 그치지 않고, 서비스 제공자에게 직접적인 금전적 손실을 안길 수 있음을 보여줍니다.
리테일과 여행 산업에서도 비즈니스 로직 악용 공격이 꾸준히 증가하고 있다는 것도 결국 사람들이 모이는 곳에 봇의 활동도 늘어나고 있음을 부여주는 데이터가 아닐까 합니다.

11가지 방어 원칙 — 거버넌스로의 전환

그렇다면 이런 악성 봇들의 공격들을 어떻게 대응할 수 있을까요?
탈레스는 AI·API·신원·비즈니스 로직을 하나의 통합 방어 체계로 연결하는 11가지 방어 원칙을 제시하고 있습니다. 11가지 원칙은 다음과 같습니다.

1. 보호와 최적화를 위한 AI 전략 구현
2. 반응형 봇이 아닌 ‘학습형 봇’을 전제로 방어 설계
3. 방어에서 거버넌스로 전환
4. API를 핵심 디지털 인프라로 취급
5. 신원 시스템을 핵심 인프라로 보호
6. 보안 목표를 비즈니스 로직 보호에 집중
7. 봇이 사람과 구분되지 않는다고 가정
8. 일회성 공격이 아닌 지속적 자동화를 전제로 계획
9. 전체 디지털 표면의 노출 제한
10. AI 기반 탐지와 인간 전문성 결합
11. 전체 방어 전략 노출 금지

제법 많죠. 하지만 AI 기반의 자동화로부터 우리의 디지털 인프라를 보호하기 위해서는 이러한 체크 리스트를 꼼꼼하게 확인해 보는 전략을 세워나가야하는 시점이라고 조재웅 이사는 강조하고 있습니다.
특히 "봇과 사람이 구분되지 않는다고 가정하라"는 원칙이 인상적인데요. 봇의 기계적 동작에 의존해 구분하기보다, 상대를 사람으로 가정하고 어떤 행동을 할지를 기준으로 방어 전략을 세워야 한다는 접근입니다.
캡차(CAPTCHA)처럼 "사람이면 눌러주세요" 식의 전통적 방어는 이제 AI 앞에서 무력해졌습니다. 그만큼 공격의 지평이 바뀌고 있으며, 우리도 방어 전략의 패러다임을 전환해야 하는 시점으로 보입니다.
공격 표면 자체를 없앨 수는 없지만, 통제할 수 있는 영역을 넓히는 것은 가능하지 않을까 하고 조재웅 이사는 말하고 있습니다. 통신 인벤토리를 통일하고 관리 불가능한 영역을 줄여나가는 것, 그리고 AI 기반 탐지와 인간 전문성을 결합하되 방어 전략 자체는 외부에 노출하지 않는 것이 악성 봇에 대처하는 보안 전략의 시작이라고 볼 수 있겠죠.

봇 보호에서 데이터 보안까지

악성 봇에 대처하는 탈레스의 방안에 대해 한번 살펴 볼까요?
애플리케이션과 API 보안이 중요해지는 만큼 데이터 보호의 중요성도 함께 커지고 있는 것이 최신의 보안 추세이죠. 탈레스는 Imperva Advanced Bot Protection을 비롯해 엣지단의 DDoS 방어, 웹방화벽, API 시큐리티, 런타임 프로텍션까지 폭넓은 솔루션을 보유하고 있습니다.
데이터 보안 측면에서는 암호화, 토큰화(Tokenization), 키 관리(Key Management)를 넘어 최근 가트너가 정의한 DSPM(Data Security Posture Management) 컨셉에 대응하는 라인업을 강조합니다.
DSPM의 핵심은 데이터 모니터링입니다. 누가 데이터베이스에 접근했는지, 정상적으로 접근한 듯 보이지만 실제로는 다른 의도가 있는 건 아닌지, 비정상 로그인이 있는지를 탐지하는 영역이라고 할 수 있을 텐데요. 결국 외부의 공격을 선제적으로 막아내는 프로텍션 영역과, 내부에서 탈취될 수 있는 중요 데이터를 관리하는 영역, 이 두 가지를 함께 커버하는 통합적 시야가 필요하다는 점을 다시금 확인할 수 있었습니다.

적을 알아야 대처가 가능하다

Bad Bot Report 2026에 대해 잇츠맨 리뷰로 정리해 봤습니다.
조재웅 이사가 말했듯, 보안 전략을 세우려면 무엇보다 상대 공격자의 패턴과 유형을 알아야 합니다. 밖에서 어떤 공격이 어떤 방식으로 이뤄지고 있는지를 파악해야 비로소 제대로 된 대응이 가능해지기 때문입니다.
그런 의미에서 이번 2026 Bad Bot Report는 우리 기업의 보안 상황을 객관적으로 비춰주는 좋은 거울이자, 거버넌스 전환을 위한 든든한 베이스 날리지(base knowledge)가 되어줄 거라 기대해 볼 수 있겠습니다.
리포트는 탈레스 사이트에서 다운로드받으실 수 있으니, AI 번역의 도움을 받아서라도 꼭 한번 정독해 보시길 권합니다.
내년에는 또 어떤 숫자로 우리를 놀라게 할지, 벌써부터 궁금해집니다.

촌장 드림

👉 웨비나 바로 가기

👉 10분 요약 영상 바로 가기

2026 Bad Bot Report 다운받기