Joe Regensburger, Immuta 연구 부문 총괄 – 인터뷰 시리즈

Joe Regensburger는 현재 Immuta의 연구 부문 총괄이다. 데이터 보안 분야의 리더인 Immuta는 조직이 클라우드 데이터를 보호하고 안전한 액세스를 제공함으로써 그 값어치를 해방시킨다.

Immuta는 클라우드 환경에 무결하게 통합되어 주요 클라우드 벤더와의 네이티브 통합을 제공한다. NIST 사이버 보안 프레임워크에 따라, Immuta는 대부분의 조직의 데이터 보안 요구를 다루는 데 도움이 된다.

물리학 및 응용 수학을 전공하였는데, 어떻게 데이터 과학 및 분석 분야에서 일하게 되었나요?

私の 대학원 연구 분야는 실험 고에너지 물리학이었다. 이 분야에서 데이터를 분석하는 데에는 많은 통계 분석이 필요하며, 특히 희귀한 이벤트의 서명과 더 빈번한 배경 이벤트의 서명을 분리하는 것이 중요하다. 이러한 기술은 데이터 과학에서 필요로 하는 기술과 매우 유사하다.

현재 Immuta의 연구 부문 총괄로 하는 역할을 설명해 주시겠습니까?

Immuta에서 우리는 데이터 보안에 중점을 두고 있다. 이는 데이터가 어떻게 사용되고, 어떻게 악용될 수 있으며, 데이터 전문가가 그들의 임무를 지원하는 데 필요한 도구를 제공하는 것을 의미한다. 따라서, 우리의 역할은 데이터 전문가의 요구와 도전을 이해하는 것이며, 특히 규제와 보안에 관한 도전을 이해하는 것이다. 우리는 규제 요구를 줄이고, 데이터 전문가가 그들의 핵심 임무에 집중할 수 있도록 도와야 한다. 나의 역할은 이러한 도전을 해결하는 솔루션을 개발하는 것이다. 이는 민감한 데이터를 발견하는 도구, 데이터 분류를 자동화하는 방법, 데이터 사용을 감지하는 방법, 데이터 정책을 시행하는 프로세스를 생성하는 것을 포함한다.

전통적인 데이터 거버넌스와 비교하여 AI 거버넌스의 주요 도전은 무엇인가?

기술 리더들은 AI 거버넌스가 데이터 거버넌스의 자연스러운 다음 단계이자 진행이라고 언급하였다. 그러나, 몇 가지 주요한 차이점을 염두에 두어야 한다. 첫째, AI 시스템의 출력에 대한 신뢰를 필요로 한다. 전통적인 데이터 거버넌스에서는 데이터 리더들이 쉽게 통계 모델을 사용하여 결과를 추적할 수 있었다. 그러나, AI에서는 추적성과 계보가 실제적인 도전이 되며, 선을 명확하게 그을 수 없다. AI 모델이 도달한 결과를 신뢰하는 것이 실제적인 도전이다.

AI 거버넌스와 데이터 보안에 대한 보편적인 해결책이 존재하는지, 또는 경우에 따라 다르지는 않은지 여부를 질문합니다.

“현재, AI 거버넌스에 대한 보편적인 해결책은 없다고 생각한다. 그러나, 데이터 리더들이 지금부터 채택해야 할 고려 사항이 있다. AI 모델을 사용하는 목적과 이유에 대한 컨텍스트가 중요하다. 만약 AI를 사용하는 것이 비교적 사소한 일이라면, 위험 계산기는 더 낮을 것이다. 그러나, AI를 사용하여 의료 또는 자율 주행 자동차를 훈련하는 결정에 대한 경우라면, 위험 영향은 더 높을 것이다. 이는 데이터 거버넌스와 유사하다. 데이터가 사용되는 이유는 어떻게 사용되는지와同樣히 중요하다.

최근에 “Shadow AI의 잠재적인 위협에 대한 대처”라는 제목의 기사를 작성했습니다. Shadow AI는 무엇이며, 기업이 왜 이에 주목해야 하는지 설명해 주시겠습니까?

“Shadow AI는 조직의 거버넌스 프레임워크 외부에서 사용되는 비인가 AI 도구의 사용을 의미한다. 기업은 데이터를 보호하기 위해 이 현상을 인식해야 한다. 내부 데이터를 비인가된 AI 도구에 공급하는 것은巨大한 위험을 초래할 수 있다. Shadow IT는 일반적으로 잘 알려져 있으며, 일단 phát견되면 쉽게 관리할 수 있다. 그러나, Shadow AI의 경우, AI 모델을 훈련시키는 데 사용된 데이터와 모델이 생성한 응답을 어디에 공유하는지에 대한明確한 사용자 계약이 없다. 즉, 한 번 데이터가 모델에 들어가면, 더 이상 그 데이터를 제어할 수 없다. Shadow AI의 잠재적인 위험을 완화하기 위해, 조직은 이러한 도구를 사용하는 경우 데이터가 환경을 벗어나는 경우에 대한 명확한 계약과 공식적인 프로세스를 수립해야 한다.

속성 기반 액세스 제어(ABAC)를 전통적인 역할 기반 액세스 제어(RBAC)보다 데이터 보안에서 사용하는优势을 설명해 주시겠습니까?

역할 기반 액세스 제어(RBAC)는 개인의 역할에 따라 시스템 액세스를 제한한다. 이러한 접근 방식의 이점은 액세스 제어가 정적이고 선형적이라는 것이다. 사용자는 미리 정의된 역할에 할당된 경우에만 데이터에 액세스할 수 있다. 그러나, RBAC 모델은 간단함이 또한 그 주요 약점이다. RBAC는 역할과 데이터 요구가 제한적이고 작은 조직에서 유용했다. 그러나, 현대적인 조직은 데이터 주도적이며, 데이터 요구가 시간이 지남에 따라 증가한다. 이러한 시나리오에서, RBAC의 효율성이崩壊한다.幸い, 우리는 더 현대적이고 유연한 옵션을 가지고 있다. 속성 기반 액세스 제어(ABAC) 모델은 데이터 액세스와 보안에 대한 더 동적이고 확장 가능한 접근 방식을 제공한다. ABAC는 사용자와 데이터의 속성을 결합하여 논리적인 역할을 정의하고, 이러한 속성에 따라 액세스 결정을 내린다. ABAC의 주요 강점은 동적이고 확장 가능한 성질이다. 데이터 사용 사례가 증가하고, 데이터 민주화가 더 많은 사용자를 가능하게 하면서, 액세스 제어는 환경과 함께 확장하여 일관된 데이터 보안을 유지해야 한다. ABAC 시스템은 또한 이전의 액세스 제어 모델보다 본질적으로 더 안전하다.

데이터 액세스를 확장하면서 강력한 데이터 거버넌스와 보안을 유지하는 주요 단계는 무엇인가?

데이터 액세스 제어는 사용자와 시스템이 데이터 세트를 볼 수 있고 사용할 수 있는 액세스, 권한, 특권을 제한하는 데 사용된다. 그러나, 데이터 팀은 비즈니스洞察을 내기 위해 가능한 많은 데이터에 액세스해야 한다. 이는 데이터 보안과 거버넌스 팀이 데이터를 불법적인 액세스와 다른 위험으로부터 보호하는 데 책임이 있는 데이터 보안과 거버넌스 팀에게 문제를 제기한다. 데이터 주도적인 비즈니스 환경에서, 이러한 상반된 интерес 사이에 균형을 맞추어야 한다. 과거에, 조직은 데이터 액세스 제어에 대한 수동적인 접근 방식을 사용하여 데이터 병목 현상을 초래하고, 속도를 늦추었다. 데이터 액세스를 확장하면서 강력한 데이터 거버넌스와 보안을 유지하기 위해, 조직은 자동화된 데이터 액세스 제어를 채택해야 한다. 자동화된 데이터 액세스 제어를 마스터하기 위한 5가지 단계가 있다.

1. 데이터 팀이 사용하는 모든 도구를 지원해야 한다.
2. 모든 데이터를 지원해야 하며, 데이터가 저장되는 위치나 기본 저장 기술에 관계없이 상관없다.
3. 조직 전체에서 동일한 라이브 데이터에 직접 액세스해야 한다.
4. 어떤 수준의 전문 지식이든,誰든지 규칙과 정책이 기업 데이터에 적용되는지 이해할 수 있어야 한다.
5. 데이터 개인 정보 보호 정책은 중앙 위치에 있어야 한다.
6. 이러한 기둥을 마스터하면, 조직은 수동적인 데이터 액세스 제어 접근 방식에서 벗어나서, 안전하고, 효율적이고, 확장 가능한 데이터 액세스 제어를 가능하게 할 수 있다.

실시간 데이터 모니터링에 있어서, Immuta는 어떻게 조직이 데이터 사용과 보안 위험을 프로액티브하게 관리하도록 도와주는가?

Immuta의 Detect 제품은 조직이 데이터 사용을 프로액티브하게 관리하도록 도와준다. Detect는 데이터를 자동으로 점수화하여 데이터가 얼마나 민감한지와 어떻게 보호되는지에 따라 점수를 매긴다. 이를 통해 데이터와 보안 팀은 위험을 우선순위로 정렬하고, 잠재적인 보안 사고에 대한 실시간 경고를 받을 수 있다. Immuta Detect를 사용하여 데이터 사용 위험을 빠르게 식별하고, 우선순위로 정렬하면, 고객은 위험 완화를 위한 시간을 줄이고, 데이터에 대한 강력한 보안을 유지할 수 있다.

이번 인터뷰에 감사드리며, 더 많은 정보를 원하는 독자는 Immuta의 웹사이트를 방문할 수 있다.