Swimlane, Turbine에 맞춤형 AI 위협 탐지 기능과 양방향 MCP 지원 추가

AI 보안 분석가는 경보를 신속하게 조사할 수 있지만, 애초에 생성되지 않은 경보는 조사할 수 없습니다. Swimlane은 Turbine 플랫폼에 고객이 직접 정의하는 탐지 기능을 새로 도입해 이 문제를 해결하려 합니다. 이를 통해 보안팀은 운영 데이터에 자체 로직을 적용하고, 그 결과 발생한 경보를 Swimlane AI SOC로 바로 전달할 수 있습니다.

10월 28일 출시에는 양방향 Model Context Protocol(MCP) 지원과 Hero AI Application Builder Agent도 포함됐습니다. 이 기능들은 회사의 자동화 플랫폼을 서로 연결된 세 가지 업무로 확장합니다. 조사할 가치가 있는 활동을 판별하고, 에이전트와 도구를 연결하며, 보안 워크플로를 지원하는 애플리케이션을 구축하는 업무입니다.

Swimlane은 이 기능들이 일반에 공개됐다고 밝혔습니다. 이번 발표는 해당 기능들을 보안 정보 및 이벤트 관리(SIEM), 엔드포인트 탐지 및 대응(EDR), 클라우드 보안 도구 등 기존 보안 인프라에 추가되는 기능으로 소개합니다.

경보로 처리할 항목을 보안팀이 직접 통제

많은 AI SOC 제품은 탐지 시스템이 의심스러운 행동을 식별한 뒤의 분류, 조사, 대응에 초점을 맞춥니다. 조직이 기존 탐지 제품이 수용할 수 있는 속도보다 빠르게 새로운 에이전트, 코파일럿, 로컬 모델, MCP 서버를 도입하면 이러한 역할 분담은 더욱 어려워집니다.

기업은 승인되지 않은 AI 서비스에 입력된 민감 정보, 예상치 못한 로컬 모델 사용, 비활성화된 안전장치, 또는 의도된 예산을 훨씬 초과하는 리소스를 소비하는 에이전트를 조사해야 할 수 있습니다. 이러한 상황 중 일부는 공급업체가 미리 정의할 수 있는 보편적인 탐지 패턴이 아니라, 해당 조직의 정책과 환경에 따라 달라집니다.

새로운 Turbine 기능을 사용하면 팀은 플랫폼에서 이용할 수 있는 데이터를 대상으로 자체 탐지 로직을 실행할 수 있습니다. Swimlane에 따르면 단일 빅데이터 작업으로 병렬 컴퓨팅 노드에서 수만 건의 레코드를 평가한 다음, 경보를 AI SOC로 전달해 조사하고 통제된 방식으로 대응할 수 있습니다.

이 아키텍처는 탐지 로직을 탐지 결과에 따라 작동하는 자동화에 더 가깝게 배치합니다. 조건을 별도로 식별하고 다음 단계를 수동으로 구성하는 대신, 팀은 조직별 규칙을 기존 조사 워크플로에 연결할 수 있습니다. 다만 탐지의 유용성은 여전히 관련 활동이 Turbine에서 액세스할 수 있는 데이터에 포함돼 있는지에 달려 있습니다.

Swimlane의 공동 창립자이자 CEO인 Cody Cornell은 “보안 업계는 지난 2년 동안 AI가 경보를 얼마나 자율적으로 처리할 수 있는지를 논의해 왔지만, 이는 더 기본적인 질문, 즉 경보가 어디서 왔는지를 건너뛴 것입니다”라고 말했습니다.

이번 출시에는 AI 지원 탐지 규칙 작성 기능도 소개됐습니다. 팀은 원하는 탐지 내용을 설명하고 Turbine의 플레이북 생성 기능을 활용해 이를 구축할 수 있습니다. 하지만 로직을 생성하는 일과 그 로직이 의도한 행동을 안정적으로 식별하는지 확인하는 일은 별개의 과제입니다. 조직별 규칙은 해당 규칙이 실행되는 환경의 데이터, 권한, 조건을 반영해야 합니다.

잠재적 사고 원인으로 AI 시스템 조사

Swimlane은 이러한 시나리오를 AI 탐지 및 대응(AIDR)이라고 설명합니다. 즉, AI 시스템 자체가 사고의 조사 대상이 됩니다. 이는 기존 피싱 경보나 엔드포인트 경보를 요약하는 데 AI 모델을 사용하는 것과는 다릅니다.

프롬프트 인젝션은 이러한 차이를 잘 보여줍니다. 에이전트는 처리 중인 콘텐츠에 삽입된 지시를 접할 수 있으며, 이로 인해 외부 자료가 에이전트의 행동에 영향을 미칠 위험이 있습니다. 유용한 조사를 하려면 익숙한 악성코드 지표만 찾는 대신 에이전트의 입력, 도구 사용 활동, 그에 따른 행동을 살펴봐야 할 수도 있습니다.

마찬가지로 예상치 못한 지출 급증은 전통적인 침입과 유사한 양상을 보이지 않더라도 오작동하거나 잘못된 방향으로 작동하는 에이전트를 나타낼 수 있습니다. 필요한 사용량 및 운영 신호를 이용할 수 있다면, 고객이 직접 정의한 로직을 통해 각 팀은 자사 환경에서 무엇이 비정상인지 표현할 수 있습니다.

발표된 처리 규모는 회사가 제시한 사양이지, 모든 형태의 프롬프트 인젝션이나 승인되지 않은 AI 사용을 탐지하는 능력을 입증하는 공개 벤치마크는 아닙니다. 실질적인 변화는 기존 보안 제품이 제공하는 경보에 더해, 팀이 자체적으로 파악한 내용을 실행 가능한 사례로 전환할 수 있는 경로가 하나 더 생겼다는 점입니다.

MCP로 양방향 에이전트·자동화 연결

MCP는 AI 애플리케이션이 도구를 사용할 수 있도록 공통 인터페이스를 제공합니다. Swimlane의 10월 출시 기능은 이 연결의 양쪽을 모두 지원합니다.

MCP 호스트 역할을 하는 Turbine은 Hero AI가 타사 MCP 서버에 연결해 조사와 플레이북 실행 중 해당 서버의 도구를 사용할 수 있도록 하며, 인증과 액세스 제어를 중앙에서 관리합니다. 따라서 보안 워크플로는 기존에 사용하는 API 통합 기능과 함께 외부 MCP 호환 기능도 호출할 수 있습니다.

MCP 서버 역할을 하는 Turbine은 통제된 자동화 기능을 외부 AI 클라이언트에 제공합니다. 발표에서는 Claude, ChatGPT, Cursor, Gemini CLI, Microsoft Copilot을 이러한 클라이언트의 사례로 들었습니다. 이들 클라이언트는 기존 역할 기반 액세스 제어 안에서 여러 단계로 구성된 플레이북을 포함한 Turbine 구성 요소를 호출할 수 있습니다.

이 구분은 중요한 의미를 갖습니다. 첫 번째 방향에서는 Swimlane의 에이전트가 다른 시스템에 요청을 보냅니다. 두 번째 방향에서는 외부 어시스턴트가 승인된 Turbine 워크플로를 시작할 수 있습니다. 어시스턴트를 기존 플레이북에 연결하면 기업은 각 AI 클라이언트 안에서 운영 프로세스를 새로 만드는 대신, 기존 자동화와 권한을 재사용할 수 있습니다.

Swimlane에 따르면 Turbine은 MCP 도구와 기존 API를 결합할 수 있습니다. 따라서 일부 시스템만 MCP를 지원하는 환경에서도 이 기능을 활용할 수 있습니다. 팀은 기존 통합을 한꺼번에 모두 변경하지 않고도 더 폭넓은 워크플로에 이 프로토콜을 적용할 수 있습니다.

사람의 검토를 거치는 보안 애플리케이션 구축

Hero AI 애플리케이션 구축 에이전트는 새로운 보안 사용 사례에 필요한 레코드 구조, 레이아웃, 워크플로를 구성하는 작업을 해결합니다. 사용자가 필요한 사항을 자연어로 설명하면 에이전트가 해당 애플리케이션을 생성하거나 수정합니다.

출시 발표에 따르면, 에이전트가 생성한 변경 사항은 사람이 검토할 때까지 저장되지 않습니다. 변경 사항은 강조 표시되며, 사용자는 변경 사항이 적용되기 전에 이를 승인하거나 거부할 수 있습니다. 애플리케이션 구조는 분석가가 증거를 수집하고, 사례를 단계별로 진행하며, 대응을 수행하는 방식에 영향을 줄 수 있으므로 이 승인 절차가 중요합니다.

새 에이전트는 더 폭넓은 Hero AI 포트폴리오를 기반으로 합니다. Swimlane의 제품 자료에 따르면 기존 에이전트는 데이터 수집, 플레이북 생성, 시각화, 조사 기능을 제공하며, 개별 에이전트에 사용할 모델을 선택하는 기능도 갖추고 있습니다. 애플리케이션 구축 기능은 이러한 작업이 이루어지는 운영 작업 공간까지 지원 범위를 확장합니다.

AI 추론과 예측 가능한 자동화의 결합

새로운 기능은 필요한 추론 수준에 따라 예측 가능한 자동화, AI 지원 조사, 완전한 에이전트 기반 조사 사이에서 작업을 배정하는 Swimlane AI SOC의 라우팅 모델에 적용됩니다. 기존 플레이북은 익숙한 단계를 처리하고, 더 복잡한 사례에는 에이전트 기반 조사와 사람의 검토를 활용할 수 있습니다.

이는 제품 설계에서 중요한 부분입니다. 모든 작업을 모델에 맡길 필요는 없습니다. 이미 정립된 대응 절차는 기존 방식의 자동화로 유지하고, 에이전트는 낯선 증거를 해석하거나 조사 계획을 수립하는 데 도움을 줄 수 있습니다.

고객이 직접 정의하는 탐지 기능은 운영 모델에 그보다 앞선 의사결정 단계를 더합니다. 즉, 애초에 무엇을 프로세스의 시작 조건으로 삼을지 정하는 것입니다. 조직 전반에 AI를 도입하는 보안팀은 10월 출시 기능을 통해 허용 가능한 행위에 대한 자체 지식을, 활동이 허용 범위를 벗어날 때 이를 조사하고 대응하는 도구와 연결할 수 있습니다.