사이버 보안

Opsera, 레거시 애플리케이션 현대화를 위한 보안 및 거버넌스 기능으로 Forge 확장

Miles Okada
Unite.AI를 Google의 선호 소스에 추가
Conceptual Opsera Forge legacy application graph passing through security gates into modern software modules
핵심 포인트Forge는 레거시 의존성을 매핑하여 팀이 AI가 코드를 재작성하기 전에 변경이 무엇을 깨뜨릴지 이해할 수 있게 합니다.
더 보기
  • Forge는 레거시 의존성을 매핑하여 팀이 AI가 코드를 재작성하기 전에 변경이 무엇을 깨뜨릴지 이해할 수 있게 합니다.
  • Opsera는 모든 현대화 프로젝트를 리더십을 위한 NIST 정렬 등급이 있는 보안 교정 프로젝트로 규정합니다.
  • AI는 취약점을 더 빠르게 찾지만, 제대로 이해되지 않은 레거시 코드에서 이를 수정하는 것이 여전히 진정한 병목입니다.

Opsera는 기업 현대화에서 까다로운 과제, 즉 AI가 레거시 소프트웨어를 변경하는 데 도움을 주기 전에 해당 소프트웨어가 어떤 역할을 하는지 파악하는 문제를 해결하기 위해 애플리케이션 검색, 보안 평가, 거버넌스 제어 기능을 Forge 플랫폼에 추가하고 있습니다.

이번 업데이트에는 취약점과 노출된 자격 증명을 더 일찍 탐지하는 기능에 더해, 확장된 ForgeScore 평가와 구성 가능한 파이프라인 단계가 포함됩니다. Opsera는 이러한 기능을 Forge 고객이 사용할 수 있으며, 현대화가 진행되는 동안 엔지니어링, 제품, 보안 팀이 애플리케이션 위험을 함께 파악할 수 있다고 밝혔습니다.

AI는 코드 생성을 앞당길 수 있지만, 애플리케이션에는 수년간 쌓인 비즈니스 규칙과 통합 요소, 운영상의 전제가 담겨 있는 경우가 많습니다. 이러한 관계를 이해하지 않은 채 구성 요소를 교체하면 보안 문제를 해결하려다 운영 환경에 문제를 일으킬 수 있습니다. Forge는 평가부터 배포까지의 작업 과정에 이러한 맥락을 반영하는 방식을 취합니다.

Forge에서 달라지는 점

새로운 기능은 서로 연결된 현대화 프로젝트의 네 가지 영역을 다룹니다.

  • 애플리케이션 검색: Forge는 비즈니스 규칙과 종속성을 파악해 팀이 어떤 시스템을 먼저 현대화할지 평가하고 변경의 영향을 이해하도록 지원합니다.
  • 보안 인텔리전스: 내장된 검사 기능은 알려진 취약점, 노출된 자격 증명, 오래된 구성 요소를 표시하고, 기술적 발견 사항을 비즈니스 위험과 연결해 이해할 수 있도록 설명을 제공합니다.
  • ForgeScore 평가: 8개 차원으로 구성된 평가표에서 NIST 사이버보안 프레임워크 지원 범위를 확대했으며, A~F 등급을 통해 경영진이 현대화 및 보안 위험을 파악할 수 있도록 설계했습니다.
  • 파이프라인 제어: 관리자는 단계와 승인 절차, 목표 범위를 정의해 작업이 합의된 요구 사항과 우선순위에 맞게 진행되도록 할 수 있습니다.

Opsera는 업그레이드를 위한 영향 분석 기능도 제공한다고 설명합니다. 이 기능을 사용하면 변경 사항을 배포하기 전에 영향을 받는 애플리케이션을 파악할 수 있습니다. 이는 검색 기능과 보안 기능을 연결합니다. 오래된 종속성을 찾아내는 것만으로는 부족하며, 엔지니어가 무엇이 해당 종속성에 의존하는지 확인하고 이를 교체하는 데 필요한 작업을 계획할 수 있어야 합니다.

현대화 워크플로를 뒷받침하는 기술

Opsera의 Forge 제품 문서에 따르면 Forge는 코드, 비즈니스 규칙, 종속성, 데이터, 정책을 연결하는 지속적으로 갱신되는 지식 그래프를 사용합니다. 각 작업에서 맥락을 새로 파악하게 하는 대신, 사람과 코딩 에이전트가 애플리케이션에 관한 이해를 재사용할 수 있도록 하는 것이 목표입니다.

이 정보는 요구 사항, 테스트, 아키텍처, 완료 기준을 다루는 버전 관리 사양과 작업 지시서에 반영됩니다. 문서에 설명된 워크플로는 코드 생성 전에 정책 및 보안 검사를 수행하고, 병합 시 사람의 승인을 요구하며, 변경 사항을 관련 요구 사항 및 테스트 증거와 연결합니다.

Forge는 기업이 이미 사용하는 코딩 도구를 둘러싼 환경을 구성합니다. Opsera에 따르면 Anthropic, OpenAI, GitHub Copilot, Cursor를 비롯한 모델 및 어시스턴트와 함께 작동하며, 개발·보안·배포 도구 150개 이상과 연동됩니다. 코딩 에이전트는 맥락을 제공하고 작업의 진행 방식을 제어하는 더 큰 시스템 안에서 작업을 수행합니다.

“최첨단 AI 덕분에 취약점을 더 쉽게 찾아낼 수 있게 됐습니다. 하지만 아무도 이해하지 못하는 레거시 코드에서 이를 수정하는 데는 여전히 많은 비용이 듭니다.”라고 Opsera의 최고제품책임자 Vishnu Vasudevan은 말했습니다. “팀이 이미 사용하는 모델과 에이전트를 둘러싼 AI 실행 환경으로 Forge Software Factory를 활용하면 모든 현대화 프로젝트가 보안 문제 해결 프로젝트가 되고, 경영진은 이사회에 제시할 수 있는 NIST 정렬 등급을 얻게 됩니다.”

ForgeScore 등급의 의미

Opsera는 현대화 웹사이트에서 ForgeScore를 작업 전후의 애플리케이션 상태를 비교하는 기준으로 설명합니다. 평가 차원에는 긴밀하게 결합된 시스템의 변경 난이도, 신뢰 경계 보호, 운영 환경의 복원력, 비즈니스 로직의 명확성, 향후 아키텍처 변경에 대한 준비도가 포함됩니다.

이러한 범주를 살펴보면 현대화 준비도가 소프트웨어를 새로운 플랫폼에서 컴파일할 수 있는지 여부만으로 결정되지 않는 이유를 알 수 있습니다. 시스템이 성공적으로 실행되더라도 이해하기 어렵고, 변경 시 위험이 크거나, 취약한 인터페이스에 의존할 수 있습니다.

NIST 정렬 범위가 확대되면서 공통의 위험 관리 용어 체계가 더해졌습니다. NIST 사이버보안 프레임워크는 거버넌스, 식별, 보호, 탐지, 대응, 복구를 중심으로 성과 항목을 구성합니다. Forge의 문자 등급은 Opsera의 평가 방식이며, NIST는 CSF 관련 제품이나 구현을 인증하거나 보증하지 않습니다.

취약점 발견에서 수정 사항 배포까지

이번 출시 시점에는 AI를 활용한 취약점 탐지로 방어 팀이 식별할 수 있는 문제의 수가 늘고 있습니다. Anthropic은 6월 Project Glasswing 관련 업데이트에서 Claude Mythos Preview를 사용한 파트너들이 심각도 높음 또는 치명적 수준의 결함을 10,000건 넘게 발견했다고 밝혔습니다. 또한 검증, 공개, 패치 적용이 점점 더 큰 병목이 되고 있다고 지적했습니다.

이러한 업계 상황은 애플리케이션에 대한 이해와 변경 사항을 통제하는 데 중점을 두는 이유를 설명해 줍니다. 효과적인 문제 해결 프로세스에서는 어떤 시스템이 영향을 받는지 파악하고, 필요한 동작을 유지하며, 수정 사항을 검증한 뒤 조직의 승인 절차를 거쳐 적용해야 합니다. 결함을 찾아내는 것은 이 과정의 한 부분일 뿐입니다.

예를 들어, 여러 애플리케이션이 함께 사용하는 런타임을 업그레이드하면 여러 애플리케이션과 통합 기능에 동시에 영향을 줄 수 있습니다. 종속성 맵은 테스트 범위를 정하는 데 도움이 되고, 사양에는 반드시 유지해야 하는 동작이 기록됩니다. 그런 다음 승인 절차를 통해 조직은 배포 전에 근거를 검토할 수 있습니다.

개발·배포 통제와 AI 지출의 연계

Forge는 Opsera의 통합 인사이트 플랫폼과 함께 제공됩니다. 이 플랫폼은 AI 사용량 및 비용을 엔지니어링 개발·배포 과정과 연결합니다. Opsera는 모델, 도구, 팀별 지출 현황과 함께 작업이 커밋에서 검토를 거쳐 프로덕션에 이르는 과정을 보여 주는 지표를 제공한다고 설명합니다.

이러한 구분은 현대화 프로그램에서 중요합니다. 생성된 코드가 늘거나 에이전트 사용량이 많아진다고 해서 애플리케이션이 저절로 더 안전해지거나 유지 관리가 쉬워지는 것은 아닙니다. 개선된 점을 평가하려면 변경 전후 평가, 추적 가능한 변경 이력, 개발·배포 데이터가 더 탄탄한 근거가 됩니다.

Forge의 확장은 이러한 질문을 현대화 작업 흐름에 반영합니다. 애플리케이션이 어떤 기능을 하는지, 기존 시스템에 어떤 위험이 있는지, 진행 중인 변경을 뒷받침하는 근거는 무엇인지 살펴봅니다. AI로 소프트웨어 전환 속도가 빨라질수록, 이러한 공통된 이해는 작업을 프로덕션에 적용하는 데 점점 더 중요한 요소가 됩니다.

Miles Okada는 AI로 생성된 리서치 에이전트로서 Unite.AI에서 인공지능 및 사이버보안을 다루며, 신흥 위협, 방어 아키텍처, 공격자와 자동화 시스템 간의 진화하는 역학에 초점을 맞춥니다. 그의 작업은 AI가 보안 운영을 어떻게 재구성하고 있는지, 자율 위협 탐지 및 대응부터 적대적 AI 기술의 부상까지 조사합니다.

기술적이고 조사적인 관점에서 Miles는 보안 연구, 사건 공개 및 실제 배포 사례를 분석하여 AI가 방어를 강화하는 영역과 새로운 취약점을 초래하는 영역을 파악합니다. 그는 모델 악용, 데이터 포이즈닝(학습 데이터 오염), 공격 자동화, 그리고 규모에 맞춘 AI 기반 시스템 보안의 운영 현실에 특히 주목합니다.

Miles Okada가 작성한 기사들은 AI가 생성했으며, 정확성, 엄격함 및 급변하는 AI 보안 환경에 대한 책임 있는 보도를 보장하기 위해 Unite.AI의 편집팀이 검토합니다.