Mercor 유출: AI 계약자 4만 명의 음성 4TB가 신분증과 함께 털렸다

Who Should Read

음성 인증이나 KYC 파이프라인을 운영하며 음성·신분증 같은 생체정보 수집 범위를 고민하는 백엔드 개발자

Core Mechanics

• Lapsus$가 Mercor를 유출 사이트에 올렸다
  • 2026년 4월 4일 올라왔고 규모는 약 4TB로 보도됐다.
  • 유출 샘플 목록상 계약자 4만 명 이상이 포함된다.
  • 10일 안에 계약자 소송 5건이 제기됐다.
• 음성과 신분증이 한 행에 묶여 있었다
  • 온보딩에서 신분증 스캔, 웹캠 셀피, 대본 낭독 녹음을 차례로 받았다.
  • 이전 유출은 통화 녹음만 있거나 신분증만 있었는데 이번엔 둘이 합쳐졌다.
  • 소송 원고들은 '학습 데이터'라는 설명만 있고 영구 생체 식별자라는 설명은 없었다고 주장한다.
• 녹음 길이가 복제 기준을 훌쩍 넘는다
  • 상용 음성 복제 서비스는 깨끗한 참조 음성 30초 미만, 일부는 10초면 된다고 한다.
  • Mercor 녹음은 1인당 평균 2~5분의 스튜디오급 음성으로 보도됐다.
• 원문이 꼽은 악용 시나리오는 5가지다
  • 은행 음성 인증 우회와 직장 HR·재무팀 대상 보이스피싱이 있다.
  • 2024년 Arup 직원이 딥페이크 화상통화에 속아 약 2,500만 달러를 송금한 사례를 들었다.
  • 보험 청구 사기와 가족 사칭 사기도 포함된다.
• 음성은 비밀번호처럼 바꿀 수 없다
  • 원문은 유출된 음성을 유출된 비밀번호처럼 다루라고 한다.
  • 음성 자체는 못 바꾸니 음성이 열어 주는 것을 바꾸라는 취지다.
• 대응책으로 코드워드와 음성 인증 해제를 권한다
  • 가족·재무 담당자와 녹음된 적 없는 코드워드를 정한다.
  • 은행에 음성을 인증 요소에서 빼 달라고 서면으로 요청한다.
  • 원문은 위조 음성 탐지용 포렌식 점검 항목으로 코덱 불일치, 잔향 불일치, 일정한 말 속도를 든다.

Community Reactions

• 음성+신분증+셀피가 한 온보딩에서 나왔다는 지적
  • 딥페이크 피싱 시뮬레이션 회사 창업자라는 댓글 작성자가 이 점을 지적했다.
  • 많은 기업 콜센터 인증이 이 셋을 독립된 3요소로 취급한다는 의견이다.
  • 유출 계약자의 고용주를 찾아 IT 헬프데스크에 복제 음성으로 전화하는 시나리오를 경고했다.
• 코드워드와 음성 교체 조언이 비현실적이라는 반론
  • 금융권 담당자는 고객이 수백~수천 명이라 코드워드를 기억하거나 안전하게 저장하기 어렵다는 의견이다.
  • 음성 지문을 '교체'한다는 말을 들어본 적이 없고, 녹음 환경만 바꿔 달라진다면 음성 지문 자체가 무의미하다는 지적이다.
• 서버 보관 자체가 문제라는 의견
  • 데이터는 없으면 유출되지 않으며 독일어 'Datensparsamkeit'(데이터 절약)이 맞는 접근이라는 의견이 있었다.
  • Whisper.cpp가 폰에서 돌고 WebGPU도 되니 음성 처리를 브라우저에서 할 수 있다는 의견도 있었다.
  • 중앙 서버가 싸다는 계산에는 유출 비용이 빠져 있다는 주장이다.
• 원문이 홍보성이라는 비판
  • 유출 내용에 새 정보 없이 탐지 제품 광고만 한다는 의견이 있었다.
  • 피해자에게 다른 AI 회사로 음성을 보내라고 하는 셈이라는 비꼼도 있었다.

How to Apply

• 서비스의 음성 인증 의존도를 오늘 점검하기
  • 로그인·고객센터·KYC 흐름에서 음성 지문이 단독 또는 2요소 중 하나인 곳을 목록으로 뽑는다.
  • 음성만으로 통과되는 경로는 앱 토큰이나 하드웨어 키 같은 다른 요소를 필수로 바꿀 계획을 잡는다.
• 수집하는 생체정보 필드를 최소화하기
• 음성·신분증·셀피를 같은 레코드나 같은 DB에 묶어 두는지 확인한다.
  • 인증에 꼭 필요하지 않은 원본 음성은 저장하지 말고, 저장해야 하면 신분증과 분리해 보관 기간을 정한다.
• 음성 수집 동의 문구에 영구 식별자임을 명시하기
  • AI 학습용 데이터 수집 화면에서 음성이 생체 식별자라는 점과 보관·삭제 정책을 따로 보여 준다.

Try It

# Claude 또는 ChatGPT에 그대로 붙여넣기 (논문 방법의 간이 버전이 아니라 원문 체크리스트를 프롬프트로 옮긴 것)

당신은 보안 아키텍트입니다. 아래 우리 서비스 인증·온보딩 흐름을 읽고 음성 생체정보 유출 시 위험을 점검해 주세요.

[서비스 흐름]
{{인증/온보딩 흐름 설명}}

다음 순서로 답하세요.
1. 음성, 신분증 스캔, 셀피가 같은 레코드나 같은 저장소에 묶이는 지점
2. 음성 지문이 단독 인증 또는 2요소 중 하나로 쓰이는 지점
3. 복제 음성으로 가능한 공격 시나리오 (은행 인증 우회, 직원 사칭 보이스피싱, 헬프데스크 비밀번호 재설정 중 해당하는 것)
4. 음성 수집을 줄이거나 다른 인증 요소로 바꾸는 구체적 변경안 3가지
5. 사용자 동의 문구에 추가할 문장 초안

Terminology

관련 논문

• LLM으로 대규모 formal verification이 가능해졌다

  Claude로 오픈소스 라이브러리 123개의 no-crash 증명을 만들고 버그도 찾았다

• PHP2Shell: AI가 찾아낸 PHP 코어 RCE 취약점

  Wiz가 AI로 PHP 코어의 10년 묵은 RCE를 찾아 익스플로잇까지 만들었다

• LLM에게 confidence 점수를 물어보면 안 되는 이유

  LLM이 말한 confidence 숫자는 측정값이 아니라 그럴듯한 텍스트일 뿐이다

• The Judge Can Debias Itself: LLM-as-a-Judge가 스스로 편향을 고치게 하는 법

  심사 프롬프트에 편향 경고를 넣거나 스스로 비판시켰더니 21개 중 20개 조합에서 정확도가 올랐다

• 미국 노동시간의 90%는 AI 벤치마크가 제대로 다루지 못하는 일이다

  벤치마크 29개를 직업 과제에 매핑했더니 노동시간 90%가 커버 밖

• Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

  LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

• StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

  LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

• 그럴듯한 설명 하나면 멀티모달 LLM 심사위원도 속는다 (JUPE 벤치마크)

  정답은 그대로 두고 설명만 붙였더니 MLLM 심사위원의 오답 거절률이 12.7~13.8%p 떨어졌다

Related Resources

• https://app.oravys.com/blog/mercor-breach-2026
• https://www.callstrike.ai/deepfake-security-training