AI가 보안을 바꾼다는 말은 맞다. 다만 **어디를 바꾸는지**를 잘못 짚으면 조직은 돈만 쓰고 리스크는 그대로 남는다. 이번 Google Play 2025 안전성 리포트에서 가장 중요한 메시지는 ‘생성형 AI를 붙였더니 탐지가 좋아졌다’가 아니다. **앱 생태계 보안의 성패는 모델 성능이 아니라 배포 제어면(control plane) 설계에서 갈린다**는 점이다. 이건 모바일 팀이 2026년에 예산을 어디에 써야 하는지 바로 바꿔야 할 신호다.
숫자부터 보자. Google은 2025년에 정책 위반 앱 175만 개의 Play 등록을 사전에 차단했고, 악성 개발자 계정 8만 개 이상을 막았다고 밝혔다. 겉으로 보면 위협이 줄어든 것처럼 보인다. 실제로 2024년(236만 개, 15.8만 계정), 2023년(228만 개, 33.3만 계정) 대비 ‘스토어 유입 차단’ 수치는 내려왔다. 여기서 많은 팀이 “좋다, AI가 문제를 거의 해결했다”는 결론으로 점프한다.
문제는 그 다음 줄이다. 같은 보고서에서 Google Play Protect는 **Play 바깥 경로에서 새 악성 앱 2,700만 개**를 식별했다고 했다. 2024년 1,300만 대비 2배 넘게 늘었다. 즉 공격이 사라진 게 아니라, **채널이 이동**한 것이다. 이 지점이 핵심이다. 스토어 심사가 강해질수록 공격자는 브라우저·메신저·파일 매니저 같은 sideload 경로로 우회한다. 방어팀이 “스토어 심사 합격률” 같은 내부 KPI만 붙들고 있으면, 전선이 이미 옮겨간 뒤에야 사고를 맞는다.
여기서 첫 번째 차별화 포인트가 나온다. 보안 AI 도입의 ROI를 ‘탐지 정확도’로만 계산하면 틀린다. 실무에서 더 중요한 지표는 세 가지다. **공격자 유입비용 상승**, **우회 경로 전환 속도**, **정책 위반의 사전 제거율**이다. 이번 리포트의 175만 차단 수치는 탐지 모델 성능뿐 아니라 개발자 검증, 사전 리뷰 체크, 테스트 요구사항 같은 운영 레버가 함께 밀어 올린 결과다. 모델이 전부였다면 계정 단위 억제와 생태계 진입 장벽 상승을 설명할 수 없다.
두 번째 차별화 포인트는 ‘AI 도입 위치’다. 많은 조직이 런타임 탐지 모델부터 강화하려고 한다. 하지만 Google 사례를 보면 앞단(개발/제출 단계)과 뒷단(단말/유통 단계)을 동시에 잠갔다. 예를 들어 앱당 1만 개 이상 안전성 체크, Play Policy Insights 같은 개발단 피드백, 그리고 단말단의 실시간 스캔·사기 방어를 묶었다. 특히 2025년에는 Play Protect가 185개 시장, 28억 디바이스 범위에서 고위험 설치를 차단하는 체계를 확장했고, 위험 설치 시도 2억6,600만 건을 막았다고 밝혔다. 이건 모델 하나 잘 고른다고 나오는 숫자가 아니라, **운영 체계를 계층적으로 설계했을 때** 나오는 숫자다.
반론도 있다. “대형 플랫폼은 인프라와 데이터가 압도적이니 가능한 이야기고, 일반 서비스팀은 따라 할 수 없다”는 주장이다. 절반은 맞다. 동일한 규모의 스캔 인프라는 못 만든다. 하지만 결론이 “우린 못한다”가 되면 그건 핑계다. 규모가 작을수록 오히려 제어면 설계가 더 중요하다. 이유는 단순하다. 작은 팀은 사고를 한 번 크게 맞으면 복구 버퍼가 없다. 그래서 최소한의 구조는 갖춰야 한다: 배포 전 정책 검증, 민감 권한 요청의 강제 근거화, 외부 설치 경로 리스크 시나리오, 런타임 이상 징후 알림. 이 네 가지는 인력 3명 팀도 설계할 수 있다.
실전 사례를 하나 들자. 내가 자주 보는 모바일 조직의 실패 패턴은 이렇다. 분기 목표가 “탐지 모델 개선”으로만 잡히고, 리뷰 프로세스와 권한 정책은 그대로 둔다. 초반엔 악성 탐지율이 올라가서 성과처럼 보인다. 하지만 몇 달 뒤 고객센터에 “스토어 외부 설치 유도 후 결제 피해” 같은 이슈가 몰린다. 내부 대시보드상 스토어 위반 건수는 줄었으니 팀은 당황한다. 왜냐하면 팀이 보는 계기판은 스토어 내부이고, 공격자는 이미 스토어 바깥으로 빠져나갔기 때문이다. 이때 손실은 기술보다 운영에서 난다: CS 폭증, 환불 비용, 평점 하락, 릴리즈 지연.
그래서 결론은 명확하다. 2026년 모바일 보안 전략은 “어떤 AI 모델을 쓰나”가 아니라 “어떤 제어면으로 배포·권한·유통·탐지를 연결하나”로 재정의해야 한다. 모델은 교체 가능하지만, 제어면이 없으면 어떤 모델도 오래 못 버틴다. 반대로 제어면이 있으면 모델이 바뀌어도 운영 품질은 유지된다.
이번 분기에 바로 바꿔야 할 실행 결론은 세 가지다. 첫째, 보안 KPI를 ‘탐지율 단일 지표’에서 ‘채널별 차단/우회/재발 지표’로 바꿔라. 둘째, 개발 단계에서 정책 위반 가능성을 미리 꺾는 pre-review 체계를 릴리즈 파이프라인에 넣어라. 셋째, Play 바깥 설치·권한 남용 시나리오를 공식 위협 모델에 포함하고, 분기별 모의훈련으로 검증하라. 이 세 가지를 하지 않으면, 내년에도 우리는 같은 질문을 반복하게 된다: “모델은 좋아졌는데 왜 사고는 줄지 않지?”
기술 경쟁의 프레임이 바뀌었다. 이제 승부는 ‘더 똑똑한 모델’이 아니라 ‘더 단단한 운영 구조’에서 난다.
---
### Sources / References
- Google Security Blog (2026): Keeping Google Play & Android app ecosystems safe in 2025
https://security.googleblog.com/2026/02/keeping-google-play-android-app-ecosystem-safe-2025.html
- Google Security Blog (2025): How we kept the Google Play & Android app ecosystems safe in 2024
https://security.googleblog.com/2025/01/how-we-kept-google-play-android-app-ecosystem-safe-2024.html
- Google Security Blog (2024): How we fought bad apps and bad actors in 2023
https://security.googleblog.com/2024/04/how-we-fought-bad-apps-and-bad-actors-in-2023.html
- TechCrunch (2026-02-19): Google says its AI systems helped deter Play Store malware in 2025
Tech-Trappist: https://trappist-tech.vercel.app/
예상 읽기 시간: 약 7분