LLM 기반 Personalized Dictionary Attack을 통한 40만 달러 규모 BTC 복구 및 보안 위협

Context

기존 Brute-force 공격은 광범위한 Keyspace 탐색으로 인한 연산 비용 한계와 낮은 효율성을 가짐. 인간의 암호 생성 패턴을 예측하지 못하는 단순 순차 대입 방식의 한계로 인해 고강도 암호화 파일의 실질적 해킹이 불가능했던 환경임.

Technical Solution

• LLM의 추론 능력을 활용한 사용자 맞춤형 Candidate List 생성 로직 구현
• 공개된 SNS 정보, 개인 이력, 과거 패턴을 분석하여 암호 생성 확률이 높은 단어 집합 추출
• 추론된 Base term에 분리자(Separator), 대소문자 습관 등 변형(Mutation) 규칙을 적용한 Dictionary 확장
• 전체 Keyspace가 아닌 고밀도 후보군으로 범위를 좁혀 GPU 가속 기반의 효율적인 Brute-force 수행
• SHA-256이나 Elliptic-curve Crypto 자체의 취약점이 아닌, 인간의 심리적 패턴을 모사하는 LLM의 Capability Shift 활용