다음 시나리오를 상상해 보세요. 새벽 2시, 귀사의 SOC(Security Operations Center)가 외부 계약직 직원의 노트북이 손상되었음을 감지했습니다. 그의 사용자 이름은 Dave입니다.

AWS IAM에서 Dave의 권한을 확인합니다. 그는 몇 가지 스테이징 배포 스크립트에만 접근할 수 있습니다. 고객 신용카드 기록 50만 건이 담긴 프로덕션 Postgres 데이터베이스에는 직접적인 권한이 전혀 없습니다.

전통적인 규칙 엔진과 벡터 기반 AI 어시스턴트의 관점에서는 안전합니다.

하지만 실제로는 그렇지 않습니다.

세 시간 후, 귀사의 프로덕션 데이터가 다크 웹에 유출됩니다. 특권이 없는 계약직 직원이 단 하나의 경보도 울리지 않게 보안 경계를 우회한 방법은 무엇일까요?

이것이 바로 저희가 BreachPath로 해결하고자 했던 정확한 문제입니다. BreachPath는 **FalkorDB Hackathon (트랙 1: 연결된 데이터에 따라 행동하는 에이전트)**을 위해 구축된 자율 클라우드 보안 에이전트입니다.

사각지대: 다중 호프 트랩(Multi-Hop Trap)

현대의 클라우드 환경에서 보안 침해는 거의 직선으로 발생하지 않습니다. 공격자들은 강철 문을 부수고 들어오지 않습니다. 그들은 **전이적 권한 상승(transitive privilege escalation)**을 사용하여 환풍구를 기어들어 옵니다:

[Dave (계약직)]
       │ (MEMBER_OF)
       ▼
...

벡터 RAG가 여기서 완전히 실패하는 이유

많은 현대 AI 보안 도구는 벡터 RAG (벡터 데이터베이스에 저장된 임베딩)에 의존합니다.

만약 벡터 RAG 에이전트에게 'Dave가 고객 데이터베이스에 접근할 수 있나요?'라고 묻는다면,

• 노드(Nodes): IAM 사용자(IAM Users), 그룹(Groups), 역할(Roles), EC2 컴퓨트(EC2 Compute), KMS 키(KMS Keys), 그리고 S3/RDS 데이터베이스(Databases).
• 엣지(Edges): MEMBER_OF, CAN_ASSUME, ATTACHED_TO, DECRYPTS와 같은 관계(Relationships).

1. Cypher 쿼리를 이용한 다단계 추론 (Multi-Hop Reasoning)

에이전트가 Dave의 계정에서 경고를 감지하면, FalkorDB는 Cypher의 shortestPath() 알고리즘을 사용하여 다음 쿼리를 실행합니다:

MATCH p = shortestPath((u:User {name: 'dave-contractor'})-[*1..7]->(t:Storage {classification: 'CrownJewel'}))
RETURN p

FalkorDB는 4밀리초 이내에, 사람이 수동으로 로그를 분석하는 데 며칠이 걸렸을 법한 숨겨진 6단계 측면 이동(lateral movement) 체인을 밝혀냅니다.

2. MCP 도구로서의 그래프 알고리즘 (Graph Algorithms as MCP Tools)

저희는 FalkorDB의 그래프 알고리즘들을 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 도구로 래핑했습니다:

• find_attack_paths: 민감한 자산까지의 모든 전이 경로(transitive routes)를 발견합니다.
• calculate_blast_radius: 이웃 정도 중심성(neighborhood degree centrality)을 사용하여 총 노출도를 정량화하는 수치적 위험 점수(0점에서 100점)를 계산합니다.
• find_chokepoints: 커트 포인트 분석(cut-point analysis)을 수행하여 운영상의 최소한의 중단으로 공격 체인을 끊는 단일 관계를 식별합니다.

3. 자율적 복구 (Autonomous Remediation) (단순 채팅 이상의 기능)

심사위원과 보안팀은 단순히 조언만 원하는 것이 아니라, 폐쇄 루프(closed-loop) 복구를 원합니다.

그래프 토폴로지(graph topology)를 기반으로 BreachPath는 Contractors-Dev-Group과 StagingDeployerRole 사이의 CAN_ASSUME 관계가 위협을 무력화한다는 것을 식별합니다. 에이전트는 다음 작업을 수행합니다:

1. 실시간 FalkorDB 클라우드 그래프에서 해당 엣지(edge)를 직접 삭제합니다.
2. 생산 환경에 수정 사항을 영구적으로 적용하기 위한 최소 권한의 Terraform HCL 정책을 자동 생성합니다.

FalkorDB로 구축하며 배운 점

1. 그래프는 에이전트 결정의 틀이 되어야 하며, 주변부에 머물러서는 안 된다.

대부분의 AI 에이전트 프로젝트가 실패하는 이유는 데이터베이스를 단순한 메모장(scratchpad)으로 사용하기 때문입니다. FalkorDB를 중심으로 배치함으로써 그래프의 위상(topology)은 에이전트가 다음에 무엇을 조사할지, 어떤 MCP 도구를 호출할지, 그리고 언제 행동을 취할 만큼 충분히 확신하는지를 결정했습니다.

2. 밀리초 단위 지연 시간(Sub-Millisecond Latency)은 슈퍼파워입니다

FalkorDB는 Redis 기술을 기반으로 구축되었기 때문에 그래프 쿼리가 한 자릿수 밀리초 내에 실행됩니다. 에이전트가 빠듯한 추론 루프(reasoning loop) 내부에서 반복적인 다중-홉 순회(multi-hop traversals)를 실행할 때, 이러한 낮은 지연 시간은 즉각적인 실시간 응답과 좌절감을 주는 타임아웃 사이의 차이를 만듭니다.

3. 결정론적 설명 가능성(Deterministic Explainability)이 블랙박스 추측을 능가합니다

최고 정보 보안 책임자(CISO)에게

📦 GitHub 저장소:

GitHub logo AKSA119 / breachpath

🛡️ BreachPath — 자율 클라우드 공격 경로 및 폭발 반경 복구기

FalkorDB 해커톤 제출작
트랙: 트랙 1: 연결된 데이터에 기반하여 행동하는 에이전트
테마: 다단계 추론, 도구로서의 그래프 알고리즘, MCP를 통한 도구 선택, 자율 복구, 설명 가능한 결과.

💡 문제점

현대 클라우드 아키텍처(AWS/GCP/K8s)에서 보안 위험은 거의 단일 직접적인 취약점으로 발생하지 않습니다. 대신 공격자들은 **다단계 권한 상승 (multi-hop privilege escalation)**을 사용합니다. 최소한의 권한만 가진 외부 계약직 계정이 역할을 가정하고, CI 러너에 연결하며, 암호화되지 않은 KMS 키를 읽고, **핵심 자산(Crown Jewel)**인 프로덕션 데이터베이스를 잠금 해제할 수 있습니다.

벡터 검색과 전통적인 LLM은 다음 이유로 완전히 실패합니다:

1. 그래프 도달 가능성 또는 전이적 권한을 계산할 수 없습니다.
2. 그래프 경로 알고리즘(최단 경로, 병목 지점 분석, Min-Cut)을 실행할 수 없습니다.
3. 설명 가능하고 결정론적인 감사 추적을 보장할 수 없습니다.

🚀 해결책: BreachPath

BreachPath는 FalkorDB를 에이전트의 컨텍스트 레이어 중앙에 배치합니다:

• 지식 그래프 (Knowledge Graph): 사용자, IAM 그룹, 역할, EC2 인스턴스, KMS 등을 매핑합니다.

GitHub에서 보기

• 🛠️ 구축된 기술: FalkorDB Cloud, Python, Vis.js, 그리고 Model Context Protocol (MCP).

AI 에이전트를 구축한다면, 관계를 추측하게 시키지 말고—그래프를 제공하세요.