클라우드 컴퓨팅 보안과 AI에 관해서는 AI 시스템 보호에 대해 배워야 할 것이 많다. 클라우드 보안 전문가는 대부분은 효과적인 AI 보안을 구현하는 방법을 알지 못하며, 어디서부터 시작해야 할지 모르는 경우도 많다. 앞으로 몇 년 안에 심각한 보안 침해가 발생할 것으로 예상되며, 필자의 데이터가 관련되지 않기를 바랄 뿐이다.
하지만 AI를 활용해 AI 시스템과 비AI 시스템을 정의할 수 있다. 우리는 수년 전부터 AI를 핵심 보안 서비스와 통합할 수 있다는 사실을 알고 있었다. 이런 시스템은 학습하고 개선하면서 문제가 확대되기 전에 미리 발견하는 사전 예방적 시스템이 될 수 있다.
AI로 보안을 개선하는 방법
AI를 클라우드 보안과 통합하면 클라우드에서 데이터와 시스템을 보호하는 방식을 향상시키는 기능을 통해 환경을 크게 변화시킬 수 있다. 클라우드 보안의 주요 트렌드, 특히 AI의 영향에 대해 알아보자.AI를 통한 적응형 보안. 적응형 보안은 중요한 AI 트렌드 중 하나이다. 적응형 프레임워크는 실시간 모니터링을 가능하게 하고 식별된 위협에 따라 보안 프로토콜을 자동으로 조정한다. AI 시스템은 방대한 양의 네트워크 데이터를 수집하고 표준 행동 패턴을 학습하며 이상 징후를 정확하게 탐지할 수 있다. 위협에 동적으로 적응하고 대응할 수 있는 이런 능력은 보안 패러다임을 사후 대응에서 사전 예방으로 전환한다. 클라우드 서비스 업체는 잠재적인 보안 침해를 사전에 예측해 공격의 위험을 줄이고 데이터 무결성을 보장하는 AI 모델을 점점 더 많이 도입하고 있다.
향상된 위협 인텔리전스. 생성형 AI는 소셜 미디어, 포럼, 다크 웹 등 다양한 소스에서 데이터를 분석할 수 있다. AI 모델은 이 데이터를 사용해 위협 벡터를 예측하고 실행 가능한 인사이트를 제공한다. 향상된 위협 인텔리전스 시스템을 통해 조직은 진화하는 위협 환경을 더 잘 이해하고 잠재적인 공격에 대비할 수 있다. 또한 머신러닝 알고리즘은 클라우드 환경 전반에서 위협 탐지를 자동화해 사고 대응 시간의 효율성을 높일 수 있다.
자동화된 보안 운영. AI 기반 자동화가 반복적인 보안 작업을 처리하면 보안 전문가는 더 복잡한 문제에 집중할 수 있다. 자동화는 알림, 인시던트 대응 및 취약성 관리를 간소화하고 분류하는 데 도움이 된다. AI 알고리즘은 사람보다 빠르게 인시던트 데이터를 처리할 수 있어 문제를 더 빨리 해결하고 잠재적 피해를 최소화할 수 있다. AI 기술이 발전함에 따라 보안 운영의 더 많은 측면을 자동화해 더욱 안전한 클라우드 환경을 구축할 수 있다.
지능형 액세스 제어. 액세스 제어에 AI를 사용하는 것은 또 다른 중요한 변화의 영역이다. AI 시스템은 사용자 행동과 컨텍스트를 분석해 액세스 수준을 동적으로 결정할 수 있다. 이런 컨텍스트 인식 액세스 관리는 권한이 있는 사용자만 중요한 시스템과 데이터에 액세스하도록 해 내부자 위협의 위험을 최소화한다. 예를 들어, AI 시스템이 다른 지리적 위치에서 비정상적인 로그인 시도를 감지하면 자동으로 추가 인증 단계를 수행하거나 액세스를 완전히 차단할 수 있다.
프라이버시 강화 기술. AI 모델은 데이터 액세스를 모니터링해 개인정보 보호 정책을 시행하는 동시에 GDPR 같은 규정을 준수할 수 있다. AI로 강화된 동형 암호화와 차등 개인정보 보호 기술은 민감한 정보를 안전하게 익명으로 유지하면서 데이터를 분석할 수 있는 방법을 제공한다.
데이터 손실 방지 강화. 데이터 손실 방지 전략은 매우 중요하다. 머신러닝 모델은 분산된 클라우드 환경 전반에서 민감한 데이터를 식별하고 무단 데이터 공유나 유출을 방지하는 정책을 시행한다. AI는 데이터 사용 패턴을 지속적으로 학습해 잠재적인 데이터 유출이 발생하기 전에 지능적으로 플래그를 지정할 수 있다.
예측 보안 분석. AI는 현재 위협 인텔리전스와 과거 데이터를 기반으로 보안 사고를 예측할 수 있다. 이런 예측 인사이트를 통해 기업은 인시던트가 발생할 때까지 기다리지 않고 방어를 강화해 탐지에서 예방으로 초점을 전환할 수 있다.
좋은 점과 나쁜 점
AI의 파괴적인 측면을 상쇄할 만큼 충분히 좋은 점이 있을까? 사용하기에 따라 달라질 것이다. 다가오는 AI 열차에서 자리를 잡을 수 있는 기회가 있지만, 이 기회는 두 번 다시 오지 않을 것이다. 앞서 언급한 개념 중 하나, 둘 또는 모두를 사용해 AI를 클라우드 보안을 위한 무기로 만들 수 있는 시간은 제한되어 있다.AI를 클라우드 보안에 통합함으로써 기업은 날로 진화하는 위협 지형에 대응하는 더 강력하고 적응력이 뛰어난 지능형 보안 장치를 구현할 수 있다. 오늘날 위협 지형은 AI로 인해 하루가 다르게 변하고 있다. AI의 혁신적 잠재력을 보여준다. 앞으로 클라우드 인프라를 보호하는 데 있어 AI의 역할은 더욱 중요해질 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.