IPXO의 Ramutė Varnelytė CEO 인터뷰 시리즈

Ramutė Varnelytė, IPXO의 CEO는 15년 이상의 상업적 리더십 경험을 가지고 있으며 2025년 초에 회사를 이끌기 위해 임명되었습니다. 그녀의 역할에서 그녀는 전략적 성장, 운영 우수성, 시장 포지셔닝을 주도하며 IPXO가 IP 주소 임대 및 관리의 혁신의 최전선에 남아 있도록 합니다.

IPXO, 즉 인터넷 프로토콜 교환 기구는 2021년에 글로벌 IPv4 부족을 해결하기 위해 동적 임대 및 수익화 플랫폼을 만들기 위해 설립되었습니다. 그것은 전 세계적으로 수백만 개의 IP 주소를 지원하는 세계에서 가장 큰 완전히 자동화된 IP 주소 임대 시장으로 성장했습니다. 이 플랫폼은 지역 인터넷 레지스트리와의 강력한 관계와 통일된 효율적인 IP 생태계를 구축하는 임무를 지원합니다.

우리는 IPXO가 행동 기반 위험 프로파일링과 기계 학습을 사용하여 유익한 AI 자동화와 악의적인 봇 활동을 구별하는 방법에 대해 논의할 것입니다. 이 대화는 인터넷 트래픽에서 AI 에이전트의 부상, ISP 사이버 보안 도전, 보안과 운영 효율성을 균형 잡히게 하는 전략을 탐구할 것입니다.

유익한 AI 에이전트가 아닌 스크래핑 봇이 많은 조직에서 트래픽 패턴을 지배한다는 결론에 도달한 경향은 무엇입니까?

봇은 이제 모든 곳에 존재하며 인간 트래픽을 훨씬 초과합니다. 봇 트래픽의 약 3분의 1은 악의적인 활동에 기여하는 “나쁨” 봇의 일부입니다. 이러한 추세는 다양한 사건 보고서에서 명확하게 나타납니다. 회사가 이상하거나 유해한 트래픽, API 사용의 이상한 피크, 또는 기타 비정상적인 현상을 조사할 때, 많은 자동화 시스템이 단순한 스크래핑 봇보다 AI 에이전트처럼 행동하는 것으로 나타납니다. 즉, 사용자 에이전트 스푸핑, 빠른 IP 회전, 일관되지 않은 패턴 등이 나타납니다. 본질적으로 트래픽의 양과 행동의 복잡성은 단순한 봇이 아닌 AI 에이전트를 가리킵니다.

IP 위험 프로파일을 구축하는 데 사용되는 행동 신호는 무엇입니까? 요청 빈도, 헤더, 지리적 패턴 등?

요청의 실제 내용을 보지 않고도 IP의 “평판 점수”를 평가할 수 있습니다. 즉, 네트워크에서 어떻게 행동하는지 관찰하는 것만으로도 충분합니다. 이러한 비정상적인 패턴은 “콘텐츠에 무관한” 것으로, 실제 데이터가 필요하지 않습니다. 메타데이터와 특정 행동만으로 IP의 위험 프로파일을 평가할 수 있습니다. 이것은 현대의 암호화 기술인 TLS 1.3 또는 ECH에도 적용됩니다. 여전히 많은 관찰 가능한 데이터가 암호화되지 않은 채로 남아 있습니다.

시스템이 유익한 AI 자동화와 악의적인 활동을 구별하는 방법은 무엇입니까? 스크래핑, 봇넷, 자격 증명_stuffing 등?

자동화가 특정 기간 동안 어떻게 행동하는지 고려하는 것이 중요합니다. 즉, 요청하는 콘텐츠가 무엇인지가 아니라 자동화가 어떻게 행동하는지입니다. “좋은” 봇은 일반적으로 예측 가능하며 특정 구조와 단계를 따릅니다. 악의적인 봇은 반면에 예측할 수 없게 행동하며 일회용 식별자를 사용하고, 기계적인 속도를 유지하며, 여러 서버에 요청을 분산시켜 탐지를 피합니다. 이것은 확장된 행동 모델링으로, 사이트에서 자동화가 시간이 지남에 따라 어떻게 움직이는지 평가하는 것입니다.

기존 ISP가 성장하는 프록시 트래픽을 처리하는 데 어려움을 겪는 이유는 무엇입니까? 사이버 공격에 대한 강력한 방어를 유지하면서?

현대적 프로토콜은 더 많은 연결 세부 정보를 숨겨 개인 정보를 강화합니다. 따라서 ISP가 트래픽의 유형을 평가하고 분류하는 것이 더 어려워지고 비용이 증가합니다. 내용을 볼 수 없기 때문에 ISP는 트래픽의 행동을 더 많이 의존합니다. 어려움은 트래픽 검사를 의존하는 방식에서 벗어나 새로운 위협 인텔리전스 도구를 통합하여 새로운 접근 방식을 채택하는 데 있습니다.

ISP가 AI 에이전트 트래픽을 수용하기 위해 제한을 완화할 때 사이버 보안의 절충은 무엇입니까?

필터를 완화하면 거짓 양성과 마찰을 줄일 수 있으며 에이전트가 작업을 원활하게 실행할 수 있습니다. 그러나 이것은 또한 위협과 공격의 수를 증가시킬 수 있습니다. 완화된 필터는 더 높은 위험을 의미합니다. 둘 사이의 타협점은 위험 가중 게이팅 접근 방식일 수 있습니다. 예를 들어, 의심스러운 트래픽이 있는 경우, 완전히 차단하는 대신 이를 느리게 하는 첫 번째 단계가 될 수 있습니다. 더 정교한 제어가 필요합니다.

실시간 위험 점수를 계산하는 데 사용되는 핵심 기술은 무엇입니까? 기계 학습, 위협 인텔리전스 피드, 또는 행동 이상 탐지?

실시간 데이터 모니터링 및 평가, 기계 학습, 다양한 위협 인텔리전스 도구의 건강한 혼합을 사용합니다. 목표는 행동의 불규칙성을 신속하게 감지하고, 트래픽의 의도를 이해하며, 유해한 경우에 높은 위험 사례를 표시하고 처리하는 것입니다.

시스템이 기존 ISP 또는 기업 SOC 워크플로와 어떻게 통합되나요? 자동으로 경고 또는 완화 조치를 트리거할 수 있나요?

예, 시스템은 기존 워크플로에 경고를 보내고 네트워크 수준에서 특정 위협을 차단할 수 있습니다. 위험 감수 능력에 따라 다양한 모드에서 실행할 수 있습니다.

이 프로파일링 시스템은 초기 테스트 또는 배포 중에 예상치 못한 공격 패턴이나 오용 사례를 발견했나요?

예, 몇 가지가 있었습니다. 한 가지 예는 “hallucination crawls”입니다. 즉, LLM이 실제로 존재하지 않는 URL을 만들어내고, 이를 가져오려고 시도합니다. 또는 정확히 15분 또는 1시간 간격으로 반복되는 요청의 갑작스러운 급증 등입니다. 이러한 패턴은 행동 추적을 더 정교하게 하며, 거짓 양성을 줄이는 데 유용합니다.

암호화된 콘텐츠를 검사하지 않고 행동 기반 프로파일을 구축하는 개인 정보 보호 및 보안 영향은 무엇입니까? 특히 글로벌 데이터 보호 법률에 따라?

행동 메타데이터는 개인 데이터로 간주될 수 있습니다. 그러나 합법적인 관심, 정당화, 보안 모니터링을 위한 필요성 등이 있습니다. 그러나 접근 및 보유하는 데이터의 양은 평가되는 위험과 비례해야 합니다.

시스템이 유익한 자동화와 악의적인 활동을 구별하는 방법은 무엇입니까? 특히 자격 증명_stuffing과 같은 경우?

새로운 보안 조치와 규칙은 배포 전에 시험하고 여러 신호를 평가하며, 먼저 소프트 챌린지로 트래픽의 적법성을 확인합니다. 트래픽을 곧바로 완전히 차단하는 대신 지속적으로 정교해지는 다층 검증 절차를 사용하는 것입니다.

이번 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 IPXO를 방문하십시오.