Strix: AI 에이전트 기반 자동화 보안 테스팅 도구 소개 및 테스트

December 4, 2025 5 분 소요

☀️공지 사항☀️ 해당 페이지는 오픈 소스로 나온 AI Pentesting - Strix 를 소개하고 테스트해보는 글입니다. 자세한 내용은 아래 참고자료 섹션의 공식 사이트를 참고해주세요.

들어가며

모의해킹에는 딜레마가 있습니다. 정적 분석 도구는 빠르지만 오탐률이 높고, 수동 펜테스팅은 정확하지만 시간과 비용이 많이 듭니다. 그렇다면 AI가 실제 해커처럼 동작하면서 자동으로 취약점을 찾고 검증할 수 있다면 어떨까요?

오늘 소개할 Strix는 바로 이런 문제를 해결하기 위한 도구입니다. AI 에이전트가 실제로 코드를 실행하고, 취약점을 찾아내고, PoC(Proof of Concept)로 검증하는 자동화된 보안 테스팅 도구입니다.

(결국 나와버렸습니다..ㅠ 내 일자리 괜찮겠지..?)

Strix란?

Strix는 자율적으로 작동하는 AI 해커 에이전트들의 집합체입니다. 단순히 코드를 스캔하는 것이 아니라, 실제 해커가 하는 것처럼 애플리케이션을 동적으로 실행하고, 취약점을 찾아내고, 실제 공격이 가능한지 검증합니다.

기존 도구들과의 차이점

정적 분석 도구(SAST)의 문제

높은 오탐률 (False Positive)
실제 공격 가능 여부를 알 수 없음
비즈니스 로직 취약점 탐지 어려움

수동 펜테스팅의 문제

높은 비용과 긴 소요 시간
전문가 의존도가 높음
규모 확장이 어려움

Strix의 접근 방식

실시간으로 취약점을 검증
PoC를 자동 생성하여 오탐률 최소화
시간과 비용을 대폭 절감
CI/CD 파이프라인에 통합 가능

주요 기능 및 특징

1. 강력한 에이전트 도구킷

Strix 에이전트들은 다음과 같은 도구들을 갖추고 있습니다:

Full HTTP Proxy: 요청/응답 조작 및 분석
브라우저 자동화: XSS, CSRF, 인증 플로우 테스팅을 위한 멀티탭 브라우저
터미널 환경: 명령 실행 및 테스팅을 위한 대화형 셸
Python 런타임: 커스텀 익스플로잇 개발 및 검증
정찰 도구: 자동화된 OSINT 및 공격 표면 매핑
코드 분석: 정적 및 동적 분석 기능
지식 관리: 구조화된 발견 사항 및 공격 문서화

2. 포괄적인 취약점 탐지

Strix가 탐지할 수 있는 취약점 유형:

접근 제어: IDOR, 권한 상승, 인증 우회
인젝션 공격: SQL, NoSQL, 명령 인젝션
서버 사이드: SSRF, XXE, 역직렬화 취약점
클라이언트 사이드: XSS, 프로토타입 오염, DOM 취약점
비즈니스 로직: 레이스 컨디션, 워크플로우 조작
인증: JWT 취약점, 세션 관리
인프라: 설정 오류, 노출된 서비스

3. Graph of Agents

고급 멀티 에이전트 오케스트레이션:

graph TB
    A[메인 에이전트] --> B[정찰 에이전트]
    A --> C[익스플로잇 에이전트]
    A --> D[검증 에이전트]
    B --> E[공격 표면 매핑]
    C --> F[취약점 탐색]
    D --> G[PoC 생성]
    E --> F
    F --> G
    G --> H[보고서 생성]

분산 워크플로우: 다양한 공격과 자산에 특화된 에이전트들
확장 가능한 테스팅: 빠른 포괄적 커버리지를 위한 병렬 실행
동적 협업: 에이전트들이 발견 사항을 공유하고 협력

설치 및 설정

사전 요구사항

Docker (실행 중이어야 함)
Python 3.14 이상
LLM 프로바이더 API 키 (OpenAI, Anthropic 등)

설치 과정

# Strix 설치
pipx install strix-agent

# AI 프로바이더 설정
export STRIX_LLM="openai/gpt-5" 		# 저는 gpt-5-mini 모델로 테스트 했습니다.
export LLM_API_KEY="your-api-key"

# 첫 번째 보안 평가 실행
strix --target ./app-directory

참고: 첫 실행 시 자동으로 샌드박스 Docker 이미지를 다운로드합니다. 결과는 strix_runs/<run-name> 디렉토리에 저장됩니다.

환경 변수 설정

export STRIX_LLM="openai/gpt-5"			# 저는 gpt-5-mini 모델로 테스트 했습니다.
export LLM_API_KEY="your-api-key"

# 선택사항(API 키가 없다면 로컬 모델로도 테스트 가능합니다.)
export LLM_API_BASE="your-api-base-url"  # 로컬 모델 사용 시 (Ollama, LMStudio)
export PERPLEXITY_API_KEY="your-api-key"  # 검색 기능 사용 시

추천 모델:

OpenAI의 GPT-5 (openai/gpt-5)
Anthropic의 Claude Sonnet 4.5 (anthropic/claude-sonnet-4-5)

실습 및 시연

기본 사용법

# 로컬 코드베이스 스캔
strix --target ./app-directory

# GitHub 저장소 보안 검토
strix --target https://github.com/org/repo

# 블랙박스 웹 애플리케이션 평가
strix --target https://your-app.com

고급 테스팅 시나리오

# 그레이박스 인증 테스팅
strix --target https://your-app.com --instruction "Perform authenticated testing using credentials: user:pass"

# 멀티 타겟 테스팅 (소스 코드 + 배포된 앱)
strix -t https://github.com/org/app -t https://your-app.com

# 특정 영역에 집중하는 테스팅
strix --target api.your-app.com --instruction "Focus on business logic flaws and IDOR vulnerabilities"

Headless 모드

서버나 자동화 작업에 적합한 비대화형 모드:

strix -n --target https://your-app.com

취약점이 발견되면 0이 아닌 종료 코드를 반환하여 CI/CD 파이프라인에서 활용할 수 있습니다.

CI/CD 통합

GitHub Actions를 사용한 자동화된 보안 테스팅:

name: strix-penetration-test

on:
  pull_request:

jobs:
  security-scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Install Strix
        run: pipx install strix-agent

      - name: Run Strix
        env:
          STRIX_LLM: $
          LLM_API_KEY: $

        run: strix -n -t ./

이렇게 설정하면 모든 Pull Request에서 자동으로 보안 테스팅이 실행되며, 취약점이 발견되면 배포 전에 차단할 수 있습니다.

활용 팁 및 주의사항

효과적인 사용을 위한 팁

명확한 지시사항 제공: --instruction 플래그로 테스팅 범위나 중점 영역을 명시
적절한 모델 선택: GPT-5나 Claude Sonnet 4.5 추천
인증 정보 제공: 그레이박스 테스팅 시 크레덴셜 제공으로 더 깊은 테스팅 가능
CI/CD 초기 단계에 통합: 개발 초기에 취약점을 잡을수록 수정 비용 감소

윤리적/법적 주의사항

⚠️ 매우 중요: Strix는 강력한 도구이지만 책임감 있게 사용해야 합니다.

허가받은 대상만 테스트: 본인이 소유하거나 명시적 허가를 받은 애플리케이션만 테스팅
법적 책임: Strix의 윤리적이고 합법적인 사용은 전적으로 사용자의 책임
프로덕션 환경 주의: 가능하면 개발/스테이징 환경에서 먼저 테스트
데이터 민감성: 실제 사용자 데이터가 있는 환경에서는 각별히 주의

실제 사용 사례

1. 애플리케이션 보안 테스팅

정기적인 보안 점검과 취약점 탐지에 활용

2. 신속한 펜테스팅

몇 주가 아닌 몇 시간 만에 펜테스트 완료 및 컴플라이언스 보고서 생성

3. 버그 바운티 자동화

버그 바운티 리서치를 자동화하고 빠른 PoC 생성으로 보고 가속화

4. CI/CD 통합

프로덕션 도달 전 취약점을 차단하는 파이프라인 구축

장단점 분석

장점

✅ 실제 PoC 검증으로 낮은 오탐률
✅ 수동 펜테스팅 대비 빠른 속도와 낮은 비용
✅ CI/CD 통합으로 지속적인 보안 테스팅 가능
✅ 멀티 에이전트 협업으로 포괄적인 커버리지
✅ 개발자 친화적인 CLI 및 실용적인 보고서

단점/고려사항

⚠️ LLM API 비용 발생 (클라우드 버전으로 해결 가능)
⚠️ Docker 환경 필요
⚠️ AI 모델 성능에 따른 결과 품질 차이
⚠️ 복잡한 비즈니스 로직은 여전히 수동 검증 필요할 수 있음

✨ 실제 테스트 후기

위의 내용까지가 Strix 공식 문서를 활용해서 소개&설명 내용입니다. 아래는 제가 실제 깃허브로 배포중인 개인 블로그로 테스트한 결과와 후기입니다. (웹 링크로 테스트하진 않고 코드 베이스 기반으로 테스트 함.)

테스트 환경

Macbook M1 Max (RAM 32GB, OS Tahoe 26.1)
LLM model : gpt-5-mini
blog build : Jekyll 기반 https://github.com/mmistakes/minimal-mistakes
Python 3.14
Docker Desktop

경량화된 gpt-5-mini 모델을 사용해서 그런지는 모르겠는데, 테스트 시작하고 보고서 만들어주는데까지 거의 1시간? 정도 걸렸어요. 나중에 실제 배포중인 웹사이트로 테스트 해봐야겠습니다..

테스트 대상

로컬 Jekyll 저장소
빌드된 정적 사이트 (_site/)
로컬 개발 서버 (http://127.0.0.1:8000)

Strix의 동작 방식..?

다단계 에이전트 협업

보고서를 통해 Strix가 어떻게 동작하는지 대충? 확인할 수 있었습니다:

Repo Mapper: 먼저 전체 파일 구조를 매핑
Secrets Deep Scan Agent: 정규식 + 엔트로피 기반으로 시크릿 탐지
Information Disclosure Specialist: 민감 정보 노출 분석
Dependency Audit Agent: npm audit 실행
Information Disclosure Follow-up: 추가 검증

PoC 검증

Strix는 단순히 탐지만 하지 않고 증명까지 합니다. 예를 들어서

단순히 “staticman.yml에 시크릿이 있다”가 아니라
Git 히스토리에서 커밋 해시까지 추적
빌드된 _site/ 디렉토리에도 노출되었는지 확인
로컬 서버를 실제로 띄워서 HTTP로 접근 가능한지 테스트

하더라구요.. 그리고 개발자 친화적인 보고서를 작성해줘서 문제가 있다고 증명만 하는게 아니라, 어떻게 고쳐야될지 상세한 가이드까지 알려줬습니다..

(가이드 예시)

49631

테스트 스크린샷

시작화면

Information_Disclosure_Special

finish

마무리

AI가 계속 발전하면서 취약점 진단, 모의해킹도 자동화가 될 수 있지 않을까? 라는 생각이 있었지만 실제 공개된 모의해킹 AI를 써보니 생각보다 더 빨리 대체될 수도 있겠다는 생각이 들었습니다.

아직 초기 단계여서 부족한 부분도 있겠지만 시간이 지날 수록, 조금만 더 있으면 이제는 진짜 체크리스트 기반으로 하는 작업들은 거의 대부분 AI로 자동화 시킬 것 같습니다.. (그래도 직관?이 중요한 레드팀 업무는 자동화 힘들듯..)

테스트는 안전하고 허가된 환경에서만 진행해야합니다.

CHO NAM GI