우선 노턴의 간단한 허니팟 정의부터 보자. "허니팟은 그럴듯한 사이버 공격의 목표물을 가장하는 컴퓨터 또는 컴퓨터 시스템"이다. 흔히 허니팟은 공격자 관점에서 더 매력적인, 또는 확실한 목표물을 가장하기 위해 의도적으로 알려진 취약점을 사용해서 설계된다. 허니팟은 프로덕션 데이터를 포함하지 않고 네트워크의 정상적인 트래픽에도 참여하지 않는다. 즉, 이 안에서 일어나는 모든 일은 공격에 따른 결과다. 누군가 허니팟에 발을 들여놓는다면 나쁜 짓을 하려는 것이다.
이 정의의 범위에는 소수의 취약한 시스템을 제공하는 베어본 가상머신부터 여러 서버에 걸쳐 정교하게 만들어진 가짜 네트워크에 이르기까지 폭넓은 시스템이 포함된다. 허니팟을 만드는 사람의 목적 역시 심층 방어(defense in depth)부터 학계 연구까지 다양하다. 또한 지금은 기만 기술(deception technology)이라는 하나의 독립된 마케팅 범주가 존재한다. 기만 기술은 엄격한 의미에서 허니팟 정의에 부합하지는 않지만 같은 계열임은 확실하다.
허니팟의 유형
허니팟의 범주는 만들어진 방식과 용도, 두 가지를 기준으로 분류된다. 먼저 허니팟을 구현하는 여러 방법부터 살펴보자. 피델리스 사이버시큐리티(Fidelis Cybersecurity)는 다음과 같이 세분화한다.- 순수 허니팟은 공격자를 유인하도록 구성된 물리적인 서버다. 특수한 모니터링 소프트웨어가 허니팟과 나머지 네트워크 사이의 연결을 감시한다. 그 자체로 완전히 기능하는 시스템이므로 공격자에게 실제 목표물처럼 보이지만, 공격자가 의도적으로 공격을 위한 준비 서버로 허니팟을 이용하는 ‘역공’의 위험도 있다. 또한 허니팟은 구성과 관리를 위해 많은 작업이 필요하다.
- 높은 상호작용 방식의 허니팟은 침해 가능성이 있는 시스템을 격리하기 위해 가상 머신을 사용한다. 여러 개의 가상 허니팟을 하나의 물리적 디바이스에서 실행할 수도 있다. 손쉽게 다수의 허니팟으로 확장하고, 침해된 시스템을 샌드박싱한 다음 종료, 재시작하고 정상 상태로 복원할 수 있다. 그러나 각 VM 자체가 완전히 기능하는 서버이며 따라서 모든 구성 작업도 여전히 필요하다.
- 낮은 상호작용 방식의 허니팟은 가장 일반적인 공격 벡터 또는 허니팟 제작 팀에서 주로 다루고자 하는 공격 벡터를 대표하는 제한된 서비스 모음만 실행하는 VM이다. 이 유형의 허니팟은 만들고 유지하기가 상대적으로 쉽고 리소스도 덜 들어가지만 공격자가 "가짜"임을 눈치챌 가능성이 더 높다.
허니팟을 나누는 또 다른 기준은 만드는 사람의 의도다. 이 기준으로 분류하면 연구용 허니팟과 프로덕션 허니팟이 있다. 두 허니팟을 구분하려면 실제로 사용되는 허니팟이 무엇인가에 대한 설명이 필요하다. 그 부분에 대해 알아보자.
허니팟, 무엇에 쓰이는 물건인고
연구용 허니팟은 해커의 수법을 분석하는 것을 목표로 한다. 허니팟을 운용하는 팀은 해커가 시스템에 침투하고 권한을 승격하거나 기타 대상 네트워크에서 저지르는 만행에 사용하는 기법을 관찰할 수 있다. 이런 유형의 허니팟은 위협 환경을 살펴보고자 하는 보안 업체, 학계, 정부 기관에 의해 구축된다. 어떤 종류의 공격자가 활동하는지, 특정 종류의 공격이 어떻게 해서 이뤄지는지 확인하거나, 공격의 진원지를 추적하기 위해 특정 해커를 유인하기 위한 용도로도 사용된다. 이런 시스템은 대체로 완전히 격리된 실험실 환경에 구축되므로 침해가 허니팟 이외의 시스템에 대한 공격으로 이어지는 경우는 없다.
반면 프로덕션 허니팟은 최대한 격리하기 위한 조치가 취해지긴 하지만 일반적으로 조직의 일부 프로덕션 인프라와 근접해 구축된다. 이런 허니팟은 조직의 네트워크에 침투하려는 해커를 유인해 중요한 데이터 또는 서비스로부터 떨어뜨리기 위한 미끼 역할도 하고, 탄광의 카나리아 역할, 즉 공격이 진행 중이며 최소한 일부라도 성공했음을 알리는 역할도 한다.
허니팟과 허니넷의 차이
허니넷(Honeynets)은 허니팟 개념을 논리적으로 확장한 것이다. 허니팟은 개별 머신(또는 가상머신)인 반면 허니넷은 일련의 허니팟이 네트워크로 연결된 형태다. 물론 공격자 관점에서 볼 때 공격 대상의 인프라에 머신이 하나뿐이라면 설득력이 없다. 여러 특화된 유형의 서버가 다수 있는 편이 더 현실적이다. 예를 들어 공격자가 파일 서버에서 웹 서버로 네트워크를 가로지르는 이동 경로를 관찰하면 공격자가 무엇을, 어떻게 하고 있는지 더 정확히 알 수 있다. 또한 자신이 실제 네트워크를 침투했다고 공격자가 착각할 가능성도 더 높다. 허니넷의 중요한 특징은 실제 네트워크와 같은 방식으로 연결되고 상호작용한다는 것이다. 에뮬레이션 또는 추상화된 계층을 사용하면 공격자가 쉽게 눈치챌 수 있다.
허니팟과 허니넷은 이른바 기만 기술의 바탕이다. 기만 제품은 허니팟과 허니넷을 포함하는 경우가 많고, 프로덕션 서버의 "미끼" 파일을 포함하기도 한다. 마크 랠리버트는 다크리딩(DarkReading)에서 기만 기술이라는 범주가 "대략적으로 현대의 동적인 허니팟과 허니넷을 가리킨다"고 말했다.
가장 큰 차이점은 기만 기술은 툴이 실시간으로 공격에 반응해 공격자를 실제 자산이 아닌 기만 자산으로 유인할 수 있게 해주는 자동화된 기능을 포함한다는 데 있다. 본지는 4개의 기만 툴을 테스트한 적이 있다. 이 리뷰를 보면 기만 기술이 어떻게 작동하는지 이해하는 데 도움이 될 것이다.
랠리버트도 언급했듯이 이런 모든 툴에서 중요한 점은 공격자에 대한 데이터를 제공하지만, 공격에 직접 대응하지 않는 경우도 있다는 것이다. 따라서 허니팟 또는 허니넷에서 공격자가 무엇을 하고 있는지에 대한 정보를 분석할 사람이 필요하다. 이 작업을 직접 할 필요가 없도록 분석 및 보호를 서비스 형태로 제공하는 보안 업체도 있다.
허니팟의 역사
허니팟은 초기 유명한 정보보안 사건 중 하나에서 처음 사용됐다. UC 버클리 시스템 관리자 클리포드 스톨이 1986년 저술한 책 <뻐꾸기의 알(The Cuckoo's Egg)>에 따르면, 스톨은 로렌스 유닉스 시스템 사용에 대해 버클리 연구실에 0.75달러가 청구된 것을 보고 오류가 발생했다고 판단해 조사에 착수했다. 이 과정에서 스톨은 누군가가 시스템에 전화로 접속해 수퍼유저 액세스 권한을 획득했음을 발견했고, 이 해커를 추적하기 위해 허니팟과 비슷한 두 가지 방어를 구축했다. 스톨은 터미널을 빌려 주말 내내 수신 전화선 50개 모두에 연결하고 해커가 전화를 걸 때까지 기다렸다. 해커가 핵 방어 기밀에 대한 정보를 노린다는 것을 알게 된 스톨은 해커를 유인해 시간을 낭비하도록 하기 위해 LBL에 “스타 워즈” 미사일 방어 시스템을 연구하는 것으로 가장한 완전히 가짜 부서를 만들었다. 이후 체포된 공격자는 KGB를 위해 일하는 서독 국민으로 밝혀졌다.
허니팟이 사용된 또 다른 중요한 사건은 1990년에 발생했다. 해커가 AT&T 벨 랩스(Bell Labs)에 침투해 비밀번호 파일을 훔치려고 시도한 사건이다. 당시 벨 랩스에서 근무하던 인터넷 개척자 빌 체스윅은 공격자의 위치를 추적하고 공격 수법을 파악하기 위해 임시 허니팟 시스템을 통해 공격자를 “숨바꼭질”로 유도했다. 체스윅이 쓴 사건 기록 "버퍼드와의 저녁(An Evening with Berferd)"은 당시 상당한 영향을 미쳤다.
허니팟은 보안 전문가가 갖춰야 할 기본 툴 중 하나로 자리를 잡았다. 1997년에는 디셉션 툴킷(Deception Toolkit) 프로젝트가 출범했다. 지금은 활동하지 않지만 웹사이트는 1990년대 후반 웹 디자인을 고스란히 담은 채 여전히 열려 있다. 1999년에 시작된 허니넷 프로젝트는 현재까지 활동하면서 보안 커뮤니티 리소스 역할을 하고 있다.
허니팟 소프트웨어
제품이 포함된 허니팟 프로젝트는 여러 가지이며 대부분은 무료 오픈소스다. Honeyd는 이 가운데 가장 유명한 제품이며, 낮은 상호작용 방식의 가상 허니팟이다. 앞서 언급한 허니넷 프로젝트의 경우 허니팟 기능뿐만 아니라 허니팟이 수집하는 데이터를 분석하는 방법도 함께 제공하는 광범위한 툴 목록을 게시한다.깃허브에도 각 허니팟을 여러 범주별로 구분한 유용한 허니팟 목록이 있다. 이 목록은 허니팟 유형의 다양함에 대해 알아보기에 좋다. 예를 들어 데이터베이스부터 산업용 SCADA 디바이스에 이르기까지. 허니팟이 시뮬레이션하는 대상은 무수히 많다.
상업용으로 판매되는 독립적인 허니팟 시스템은 거의 없지만 대부분의 기만 기술 업체는 솔루션의 일부로 허니팟을 제공한다. 래피드7(Rapid7)의 인사이트IDR(InsightIDR)이 이런 제품 가운데 하나다.
허니팟 시스템 구축하기
허니팟을 직접 구축하려면 온라인 자습서를 참고하면 된다. 허니팟에서 정보를 수집할 수 있는 보안 툴인 스플렁크(Splunk)는 오픈소스 카우리(Cowrie) 패키지를 사용해 허니팟을 설정하는 방법을 정리해 제공한다. 허니팟을 시스템에서 격리하려는 경우 0x00sec.org에서 제공하는 ‘아마존 AWS 서버를 사용해서 무료로 허니팟 설정하기’ 가이드가 유용할 것이다. editor@itworld.co.kr 함께 보면 좋은 콘텐츠
Sponsored
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.