네트워크 최적화 및 데이터 보안을 위한 AI 활용 – 사고 지도자

David Ryan 작성, 영업 부사장, Cynamics

매일 막대한 양의 데이터가 생성됩니다. 일부 추산에 따르면 하루에 무려 2.5 × 10¹⁸ 바이트의 데이터가 만들어집니다. 오늘날 조직의 독점 데이터는 가장 가치 있는 자산 중 하나입니다. 운영을 뒷받침하고, 프로세스를 개선하고 효율성을 높일 방법을 찾아내며, 고객 정보와 구매 행동에 대한 통찰 및 공급망 정보를 제공합니다. 조직의 데이터는 사업의 핵심 요소이므로 보호해야 합니다.

안타깝게도 인간만으로는 이러한 데이터 규모를 감당할 수 없습니다. 더 중요하고 두려운 점은 많은 조직 데이터가 모니터링되지 않고 대부분의 네트워크가 보호받지 못한다는 사실입니다. 이는 조직에 치명적인 침해로 이어질 뿐 아니라 사업 파트너, 고객, 공급업체와의 신뢰와 관계를 훼손해 법적 위험에 빠뜨릴 수도 있습니다. 네트워크와 궁극적으로 독점 데이터를 보호하는 일은 모든 조직의 최우선 과제여야 합니다.

기존 데이터 접근 방식은 한계에 부딪히고 있다

기업이 기존 사이버보안 방식에 계속 의존하면 그 방식에 내재된 사각지대와 백도어로 인해 취약점에 노출되고 공격 위험이 커집니다. 네트워크 자체도 크게 변했습니다. 현대 네트워크는 날마다 더 복잡해지고 서로 연결됩니다. 기업은 경쟁력을 유지하려고 시스템과 장비를 업그레이드하고 센서와 연결 기능을 갖춰 운영을 간소화하며 가치 실현 시간을 줄였습니다. 사물인터넷이라고도 불리는 이러한 현상은 조직의 상호 연결성을 급격히 높였습니다. 네트워크 연결용 센서를 갖춘 새로운 기술과 장비가 밀려들면서 취약점이 증가할 가능성도 커집니다. 악의적인 행위자는 민감한 네트워크에 침투할 방법을 늘 찾고 있으며, 지나치게 복잡하고 연결된 시스템은 이들이 탐지되지 않고 잠입할 틈을 줍니다.

기존 방식 대부분은 현대 네트워크 트래픽을 충분히 모니터링하지 못합니다. 보통 특정 위협의 세부 특징을 찾도록 프로그램된 규칙 기반 또는 시그니처 기반 탐지 제품을 배포합니다. 이런 도구에는 사실상 무엇을 찾을지 미리 지정해 줍니다. 끊임없이 진화하는 사이버공격을 생각하면 큰 문제입니다. 시스템에 무엇을 찾을지 가르치지 않았다면 그것을 발견하지 못합니다. 악의적인 행위자는 기회를 노리며 눈에 띄지 않고 네트워크에 침투할 새로운 방법을 계속 찾습니다.

데이터 홍수에 대응하는 AI 활용

AI 기술을 올바르게 적용하면 네트워크 전체의 가시성을 확보할 수 있습니다. 그러나 도입 확대를 막는 요인도 있습니다. 많은 보안 팀은 규모가 작고 자원이 부족합니다. 특히 지속적으로, 또 자주 언급되는 사이버보안 역량 격차를 고려하면 이용 가능한 솔루션을 충분히 조사하고 검토할 여력이 없습니다. AI 기반 솔루션에 대한 불확실성과 의구심도 큽니다. 상당 부분은 공급업체가 자동화와 AI를 사용한다고 주장하면서도 실제로는 그렇지 않기 때문입니다.

제품이나 솔루션이 정말 AI 기반이라면 상당한 수동 설정이나 제어가 필요하지 않아야 합니다. 네트워크 환경에 추가하면 수동 개입이 거의 또는 전혀 없이 즉시 자율적으로 실행되어야 합니다. 진정한 AI 기반 솔루션은 네트워크를 자동 모니터링해 이상과 위협을 탐지하고, 적절한 정책을 자율적이고 지능적으로 실행합니다. 네트워크에서 일어나는 모든 일을 살피므로 사용자는 운영에 집중할 수 있습니다.

네트워크 탐지 및 대응(NDR) 솔루션의 AI는 공격에 앞서 나타나는 숨겨진 트래픽 패턴, 순서와 행동을 발견해 빠르고 정확하게 예측할 수 있습니다. 이는 DDoS 공격, 랜섬웨어, 침해된 엔드포인트, 명령·제어(C&C) 통신 등 오늘날 가장 파괴적인 위협이 민감한 자산에 접근하기 훨씬 전에 이를 차단하는 데 도움이 됩니다.

막대한 데이터와 네트워크 패킷을 수동으로 살펴보는 것은 불가능하며, 자동화된 솔루션을 사용하더라도 실용적이거나 효율적이지 않습니다. 다행히 AI를 활용하는 표본 기반 프로토콜 덕분에 이제 조직은 모든 NDR 솔루션에서 네트워크 전체 가시성을 기대할 수 있습니다. 이런 방식은 정교한 AI와 머신러닝을 바탕으로 고급 표본 추출 기법을 사용해 네트워크의 자원 부담을 최소화합니다.

AI 활용의 모범 사례

네트워크 보안에 AI를 통합하려면 공격 표면을 늘리지 않는 제품을 조사하십시오. 공급업체에 종속되지 않아 인프라 변경이 필요 없는 솔루션, 클라우드 네이티브이며 네트워크에 하드웨어 어플라이언스, 에이전트, 프로브나 센서를 추가하지 않아도 되는 솔루션입니다. 수동 작업이 많이 필요한 솔루션이 정말 인공지능을 제공하는 것일까요? 아니면 이미 과부하 상태이고 인력이 부족하며 준비가 충분하지 않은 보안 팀의 부담만 늘리는 것일까요?

사업에 맞는 AI 기반 NDR을 선택하려면 두 가지를 검토해야 합니다. 첫째, 솔루션이 제대로 작동하려면 네트워크에 어떤 접근 권한이나 변경이 필요한지 확인하십시오. 둘째, 효과적으로 작동하기 위해 어플라이언스, 에이전트, 프로브, 센서 등이 필요한지 확인하십시오.

이상적으로는 클라우드에 배포되며 온프레미스에 아무것도 설치할 필요가 없는 솔루션이 좋습니다. 이런 솔루션은 대체로 확장이 빠르고, 가치 실현 시간이 짧으며, 복원력과 이식성이 뛰어나고 비용 효율적입니다. 반면 인프라에 새 장치를 도입하면 공격 표면과 네트워크 복잡성이 증가하고 취약점이 간과될 가능성도 커집니다.

진정한 인공지능은 인공적이어야 하며, 사전에 수동 작업이나 시간과 자원을 들이지 않고도 네트워크를 학습하고 확장할 수 있어야 합니다. 위협 환경은 끊임없이 변합니다. 변화하는 환경보다 앞서가는 일은 위협 탐지와 예측에 중요하며 사이버공격을 계속 성공적으로 예방하는 데도 필수적입니다.

네트워크 보안은 비즈니스를 뒷받침한다

인간의 역량에는 한계가 있습니다. 상호 연결성과 데이터 생성, 네트워크 트래픽이 크게 증가한 상황에서 조직이 보안 팀만으로 AI 없이 이를 감당할 수 있다고 가정하는 것은 현실성이 낮고 무책임합니다. AI 기술을 올바르게 적용하면 에이전트나 어플라이언스 없이도 극히 작은 트래픽 표본만 분석해 전체 가시성을 확보하고 복잡하며 눈에 띄지 않는 위협을 발견할 수 있습니다. 보안이 강화되어도 네트워크 성능은 저하되지 않는다는 뜻입니다. 모든 데이터가 보호되므로 새로운 사업 통찰을 얻고, 프로세스를 개선하며, 새로운 시장 기회를 발견할 수 있습니다. 네트워크 보안은 지속적인 비용 센터가 아니라 비즈니스를 가능하게 하는 기반이 됩니다.