💻 computer science

Vulnerabilities, Secrets and Misconfiguration in the Highest-Exposure Docker Hub Images

이 논문은 가장 많이 노출된 Docker Hub 이미지들을 분석하기 위해 6개의 독립적인 스캐너를 사용하는 대규모 파이프라인인 ChimangoScan을 소개하며, 이를 통해 취약점과 설정 오류가 거의 보편적이라는 점, 스캐너 결과가 도구에 따라 의존성이 높고 일치도가 낮다는 점, 그리고 탐지된 비밀 정보의 대부분이 오탐(false positive)이라는 점을 밝혀낸다.

원저자: Cristhian Kapelinski, Beatriz Machado, Diego Kreutz

게시일 2026-08-05

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Cristhian Kapelinski, Beatriz Machado, Diego Kreutz

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

인터넷을 소프트웨어가 생명선 역할을 하는 거대하고 북적이는 도시라고 상상해 보십시오. 이 도시에서 대부분의 애플리케이션은 더 이상 처음부터 새로 만들어지지 않습니다. 대신 "컨테이너"라고 불리는 미리 만들어진 블록을 사용하여 레고 세트처럼 조립됩니다. 이 컨테이너들은 코드부터 도구에 이르기까지 앱이 실행되는 데 필요한 모든 것을 담고 있는 표준화된 화물 상자와 같습니다. 이 상자들을 저장하고 꺼내 쓰는 중앙 창고를 Docker Hub라고 부릅니다. 이곳은 매달 수십억 건의 다운로드를 처리하는 소프트웨어 공급망의 심장부입니다.

하지만 실제 창고와 마찬가지로, 만약 상자가 깨진 벽돌(취약점)로 만들어졌거나 헐거운 걸쇠(설정 오류)를 가지고 있다면, 그 상자를 사용하여 건설된 모든 건물은 그 결함을 그대로 물려받게 됩니다. 훨씬 더 심각한 것은, 어떤 상자들 안에는 열려 있는 금고(비밀 또는 비밀번호)와 같은 숨겨진 함정들이 들어있을 수도 있다는 점입니다. 수년 동안 보안 전문가들은 이 위험한 상자들이 얼마나 존재하는지 계산하려고 노력해 왔지만, 대개는 검사를 수행하는 단 하나의 "보안 요원"(스캐너)에 의존해 왔습니다. 이는 단 한 쌍의 눈만으로 도시의 모든 구멍 난 도로를 찾으려는 것과 같습니다. 당신은 많은 것을 놓치거나, 실제로 존재하지 않는 것을 있다고 볼 수도 있습니다. 질문은 이것입니다. 이 창고는 정말 얼마나 위험하며, 단 하나의 스캐너를 사용하는 것이 진정한 그림을 보여줄 수 있을까요?

위대한 도커 탐정 찾기

브라질 출신의 연구팀인 ChimangoScan은 이 미스터리를 해결하기 위해 거대하고 다층적인 조사에 착수했습니다. 단 한 명의 보안 요원을 고용하는 대신, 그들은 Docker Hub 창고에서 가장 인기 있는 상자들을 검사하기 위해 6개의 서로 다른 스사너를 배치하는 슈퍼 파이프라인을 구축했습니다. 그들의 목표는 단순히 나쁜 상자의 개수를 세는 것이 아니라, 어떤 상자가 가장 중요한지를 파악하는 것이었습니다.

"노출 점수(Exposure Score)": 왜 어떤 상자가 더 중요한가

고층 빌딩의 기초석에 박힌 단 하나의 깨진 벽돌과 작은 정원 창고에 박힌 단 하나의 깨진 벽돌을 상상해 보십시오. 고층 빌딩의 결함은 재앙이지만, 창고의 결함은 사소한 불편함일 뿐입니다. 연구진은 단순히 상자가 얼마나 많이 다운로드되었는지를 세는 것만으로는 부족하다는 것을 깨달았습니다. 그들은 그 상자가 얼마나 많은 다른 상지들의 기반이 되는지를 알아야 했습니다.

그들은 **노출 점수(Exposure Score)**라는 새로운 지표를 만들었습니다. 이것을 "위험 반경"이라고 생각하십시오. 만약 어떤 베이스 이미지(예: 인기 있는 리눅스 버전)가 100번 다운로드되었지만, 그것이 또한 각각 100번씩 다운로드되는 1,000개의 다른 이미지들의 토대가 된다면, 그 노출 점수는 엄청나게 높습니다. 팀은 이 점수에 따라 상위 52,895개의 이미지를 분류했습니다. 이들은 단순히 가장 많이 다운로드된 것들이 아니라, 그 결함이 가장 많은 사람에게 파급될 수 있는 이미지들이었습니다. 결과적으로, 이 상위 이미지들은 역사상 기록된 모든 6,638억 건의 풀(pull) 중 **84.7%**를 차지했습니다.

조사 결과: 균열로 가득한 도시

ChimangoScan이 이 고노출 이미지들에 대해 6개의 스캐너를 실행했을 때, 결과는 놀라울 정도로 명확했습니다. 거의 모든 것이 망가져 있었습니다.

취약점은 어디에나 있습니다: 이미지의 **96.3%**가 적어도 하나 이상의 알려진 소프트웨어 취약점을 보유하고 있었습니다. 더 무서운 것은, **93.4%**가 해커가 시스템을 장악할 수 있는 종류인 "심각한(critical)" 취약점을 가지고 있었다는 점입니다.
잘못된 설정이 일반적입니다: **98.0%**의 이미지가 "루트(root)" 사용자로 실행되거나(건물에 대한 마스터 키를 낯선 사람에게 주는 디지털적 행위와 같습니다) 안전 점검이 누락되는 등의 설정 오류를 가지고 있었습니다.
비밀 정보는 까다롭습니다: 스캐너들은 **76.9%**의 이미지에서 "비밀"(비밀번호나 API 키 등)을 발견했습니다. 하지만 연구진이 이 결과들을 수동으로 확인했을 때, 거대한 반전이 발견되었습니다. 이들 중 **99.7%**는 오탐(false alarm)이었습니다. 이것들은 실제 탈취된 자격 증명이 아니라, 그저 예시 키, 테스트 데이터, 또는 공개된 정보였습니다. 스캐너들은 실제 화재가 아니라 토스트가 타는 냄새 때문에 "불이야!"라고 외치고 있었던 것입니다.

스캐너 문제: 하나의 도구로는 충분하지 않다

아마도 가장 중요한 발견은 도구 자체에 관한 것이었을 것입니다. 연구진은 6개의 스캐너가 보고 있는 것에 대해 서로 동의하지 않는다는 것을 발견했습니다.

만약 당신이 단 하나의 스캐너만 사용한다면, 다른 스캐너를 사용할 때보다 위험 수준에 대해 매우 다른 그림을 얻게 될 것입니다.

별개의 취약점을 살펴볼 때, 3개의 취약점 스캐너 모두에 의해 발견된 것은 **단 2.7%**뿐이었습니다.
놀랍게도 취약점의 **66.8%**는 오직 하나의 스캐너에 의해서만 발견되었습니다.

이는 만약 어떤 회사가 단 하나의 보안 도구에 의존한다면, 잠재적인 문제 3개 중 2개를 놓칠 가능성이 높다는 것을 의미합니다. 이미지의 "보안 점수"는 절대적인 사실이 아니라, 당신이 측정하는 데 사용한 도구에 따라 크게 달라지는 산물입니다.

"상속(Inheritance)" 효과

연구는 또한 인기 있는 베이스 이미지에 단 하나의 결함이 있을 때 얼마나 위험할 수 있는지를 보여주었습니다. 그들은 zlib나 glibc(거의 모든 베이스 이미지에서 사용됨)와 같은 라이브러리의 단 하나의 심각한 결함이 이론적으로 전체 생태계 노출의 **47.3%**에 영향을 미칠 수 있다는 것을 발견했습니다. 인기 있는 베이스 이미지의 기초에 있는 하나의 나쁜 벽돌은 그 이미지 하나만을 해치는 것이 아니라, 그 위에 구축된 전체 애플리케이션 가계도를 위협합니다.

이것이 당신에게 의미하는 바

연구진은 우리가 단일 스캐너의 단일 숫자를 신뢰할 수 없다고 결론지었습니다. 소프트웨어 공급망을 안전하게 유지하려면 다음과 같은 조치가 필요합니다:

다양한 스캐너를 사용하십시오: 단일 도구가 모든 것을 잡아낼 수 없으므로, 실제 그림을 얻기 위해서는 다양한 스캐너를 실행하는 것이 필수적입니다.
노출에 따라 우선순위를 정하십시오: 가장 "노출된" 베이스 이미지(모두가 그 위에 구축하는 이미지)의 결함을 수정하는 것이, 드물게 사용되는 모호한 이미지의 결함을 수정하는 것보다 더 많은 사람을 구하게 될 것입니다.
모든 "비밀" 경고에 당황하지 마십시오: 대부분의 탐지된 비밀 정보는 오탐이므로, 이를 비상 상황으로 취급하기 전에 검증할 수 있는 더 나은 방법이 필요합니다.

요약하자면, Docker Hub 창고는 균열로 가득 차 있으며, 기초의 균열이 가장 위험합니다. 하지만 그 균열을 측정하는 방식은 균열 그 자체만큼이나 중요합니다. 전체 그림을 보기 위해서는 더 많은 눈이 필요합니다.

기술 요약: 가장 높은 노출도를 가진 Docker Hub 이미지의 취약점, 비밀 정보 및 설정 오류

문제 정의
Docker Hub는 컨테이너화된 소프트웨어 공급망의 기초적인 레지스트리 역할을 하며, 1,400만 개 이상의 이미지를 호스팅하고 수천억 건의 다운로드를 촉진합니다. 그러나 이 생태계에 대한 대규모 보안 측정은 드물게 이루어지며, 역사적으로 단일 취약점 스캐너에 의존해 왔습니다. 이러한 의존성은 보고된 보안 태세가 실제 레지스트리의 상태가 아니라 특정 탐지기의 한계를 반영할 수 있다는 '도구 의존성(tool-dependence)'을 정량화되지 않은 상태로 만듭니다. 또한, 이전 연구들은 종종 "부모-자식" 간의 결함 전파를 고려하지 못했습니다. 예를 들어, 베이스 이미지(예: alpine)의 취약점은 그 위에 구축된 모든 이미지로 상속되어 잠재적으로 수십억 건의 풀(pull)에 영향을 미치는 반면, 거의 사용되지 않는 리프(leaf) 이미지의 결함은 거의 아무런 영향도 미치지 않습니다. 기존의 측정 방식은 원시 탐지기 히트(hit)와 실제 악용 가능한 비밀 정보(secrets)를 구분하는 데 어려움을 겪으며, 테스트용 피스처(fixtures)를 실제 자격 증명과 혼동하곤 합니다.

방법론: ChimangoScan 파이프라인
이러한 격차를 해소하기 위해 저자들은 Docker Hub를 크롤링하고, 이미지 레이어 그래프를 재구성하며, 여러 독립적인 도구를 사용하여 노출도가 가장 높은 이미지를 스캔하도록 설계된 3단계 파이프라인인 ChimangoScan을 제시합니다.

1단계: 저장소 발견(Repository Discovery): 파이프라인은 공용 검색 API를 통한 저장소 이름의 접두사-트라이(prefix-trie) 순회 방식을 사용하여 Docker Hub 네임스페이스를 열거합니다. 이 "캡-리파이닝(cap-refining)" 접근 방식은 API 결과 제한(쿼리당 10,000개 결과)을 처리하기 위해 포화된 접두사를 재귀적으로 확장합니다. 크롤러는 12,716,568개의 저장소를 인덱싱하고, 풀 횟수, 스타 수, 타임스탬프를 기록했습니다.
2단계: 이미지 해상도 및 레이어 그래프: 시스템은 저장소를 구체적인 이미지 다이제스트(digest)로 해상하고 레이어 그래프를 재구성합니다. 부모 ID와 레이어 다이제스트를 결합한 조상 해시 식별자(ancestry-hashed identifier, SHA-256)를 사용하여, IS_BASE_OF 관계를 나타내는 8,470만 개의 노드와 5,440만 개의 엣지로 구성된 유향 포레스트(directed forest)를 구축합니다. 이 구조는 레이어가 이미지 간에 어떻게 공유되는지를 포착합니다.
노출 기반 우선순위 지정: 단순한 하위 이미지 개수로 순위를 매기는 이전 작업과 달리, ChimangoScan은 노출 점수 $E(I)$ 를 도입합니다. 이 스칼라는 이미지 자체의 풀 횟수와 그 하류 서브트리(downstream subtree)에 있는 모든 이미지의 풀 횟수를 결합합니다. 이 지표는 결함이 발생했을 때 생태계의 더 큰 부분을 전파하게 될 이미지를 우선순위화합니다.
3단계: 멀티 스캐너 실행: 파이프라인은 6개의 오픈 소스 스캐너를 사용하여 상위 52,895개의 최고 노출 저장소(전체 기록된 풀의 84.7%를 커버)를 스캔합니다:
- 소프트웨어 인벤토리: Syft.
- 취약점 스캐닝: Trivya, Grype, OSV-Scanner (각각 NVD, Anchore VulnDB, OSV 데이터베이스 활용).
- 설정 오류: Dockle (CIS Docker 벤치마크).
- 비밀 정보: TruffleHog (700개 이상의 탐지기).
  결과물은 이미지당 통합되지만, 스캐너 간의 불일치를 측정하기 위해 스캐너 간 중복 제거는 수행하지 않습니다.

주요 기여

노출 점수: 이미지의 인기와 그 하류 서브트리의 도달 범위를 하나의 스칼라로 통합하여, 단순히 이미지 개수가 아닌 생태계 영향력에 기반한 우선순위 지정을 가능하게 한 최초의 지표입니다.
규모와 폭: 약 1억 7,040만 개의 결과물을 포함하는 52,895개의 상위 순위 저장소를 측정하였으며, 이는 이전의 멀티 스캐너 연구보다 두 자릿수 더 많은 이미지를 다룹니다.
스캐너 간 불일치 분석: 보안 태세가 사용하는 도구에 얼마나 의존하는지에 대한 생태계 규모의 정량화입니다.
공개 데이터셋: 1,270만 개 저장소의 메타데이터, 전체 레이어 그래프, 그리고 스캔된 이미지에 대한 멀티 스캐너 보고서를 공개합니다.

주요 결과

보편적인 취약점: 알려진 취약점은 만연해 있습니다. 스캔된 이미지의 **96.3%**가 적어도 하나의 알려진 패키지 취약점을 보유하고 있으며, **93.4%**는 크리티컬(critical) 취약점을, **98.0%**는 설정 오류를 포함하고 있습니다. 중간값(median) 이미지 하나는 885개의 병합된 결과물을 가집니다.
스캐너 의존성: 보고된 보안 태세는 스캐너에 의해 심하게 아티팩트(artifact)화됩니다. 발견된 고유 취약점 중 단 **2.7%**만이 세 가지 취약점 스캐너 모두에 의해 보고되었으며, **66.8%**는 오직 하나의 스캐너에 의해서만 보고되었습니다. 단일 도구 측정은 세 개의 고유 취약점 중 약 하나를 놓치게 됩니다.
비밀 정보 vs 허위 양성(False Positives): TruffleHog가 이미지의 **76.9%**에서 비밀 정보를 플래그(flag)하지만, 무작위 샘플에 대한 수동 라벨링 결과, 이 히트(hit)의 **99.7%**는 비자격 증명(예: 패키지 체크섬, 테스트 피스처, 문서 예시)임이 밝혀졌습니다. 실제 유효한 자격 증명은 약 0.3%에 불과했습니다.
설정 오류의 보편성: Dockle은 이미지의 98.0%에서 설정 오류를 탐지하며, 가장 흔한 사례는 콘텐츠 신뢰(content-trust) 설정 누락, HEALTHCHECK 지침 누락, 루트(root) 권한으로 실행되는 컨테이너였습니다.
노출 vs 보안: 이미지의 인기(풀 횟수) 또는 노출 점수와 취약점 개수 사이에는 상관관계가 없습니다. 가장 많이 재사용되는 베이스 이미지(예: alpine, ubuntu)조차 거의 예외 없이 크리티컬한 결과물을 포함하고 있습니다.
전파 영향: CVE를 노출도에 따라 가중치를 부여하면, 핵심 라이브러리(예: zlib, glibc)의 결함은 단순한 이미지 개수가 시사하는 것보다 훨씬 더 큰 규모의 생태계 점유율에 영향을 미칩니다. 단 하나의 최상위 도달(top-reach) CVE는 코퍼스의 총 노출량 중 **47.3%**에 해당하는 이미지에 영향을 미칩니다.

의의 및 주장
본 논문은 생태계 규모의 보안 측정이 단일 스캐너의 수치에 의렴해서는 안 된다고 주장합니다. 왜냐하면 보고된 태세는 실질적으로 해당 도구의 아티팩트이기 때문입니다. 대신, 감사(audit)와 CI 파이프라인은 서로 다른 데이터베이스를 지원하는 다양한 스캐너 세트를 운용해야 합니다. 또한, 저자들은 복구(remediation) 노력이 단순한 이미지 개수가 아닌 노출(exposure)(하류 도달 범위)에 의해 우선순위가 지정되어야 한다고 주장합니다. 이는 공급망의 가장 큰 부분을 차지하는 결함을 타겟팅하기 위함입니다. 마지막으로, 본 논문은 검증 없이는 원시 비밀 정보 탐지율이 오해를 불러일으킬 수 있음을 강조하며, 대다수의 히트가 허위 양성임을 지적합니다.

본 연구는 높은 노출도를 가진 Docker Hub 이미지에서 취약점과 설정 오류가 거의 보편적이지만, 이를 설명하는 구체적인 지표는 매우 도구 의존적이며, 정확한 평가를 위해 멀티 스캐너 접근 방식이 필수적이라고 결론짓습니다.