네트워크

“탐지는 기본, 해법까지 제시한다” 예측 네트워크 기술의 현재와 미래

John Edwards | Network World 2023.03.30
인공지능(AI)과 머신러닝(ML) 기술을 활용한 예측 네트워크 기술은 관리자에게 예상되는 네트워크 문제를 최대한 빠르게 알려주고 해결책도 제시한다.
 
ⓒ Getty Image Bank

딜로이트 컨설팅 대표이며 플랫폼 및 인프라 부문 미국 책임자인 밥 허쉬는 "예측 네트워크 기술에 사용되는 AI와 ML 알고리즘이 중요해졌다. 예측 네트워크 기술은 인공 신경망과 모델을 활용해 데이터를 분석하고 패턴을 학습하고 예측을 수행한다. AI와 ML은 관찰가능성, 애플리케이션 가시성, 네트워크 및 기타 문제에 대한 대응 능력을 크게 향상한다”라고 말했다.

예측 네트워크 기술은 지난 몇 년 동안 크게 진전됐지만 많은 개발자와 시장 전문가는 아직 더 풀어야 할 숙제가 많다고 지적한다. 기술 연구 및 자문업체 ISG의 데이비드 레신은 “예측 네트워크 툴과 시스템은 지금도 나와 있지만 기술 분야에서 대부분의 중요한 발전이 그렇듯 개발, 그리고 전환의 효과에 대한 평가 방법도 아직 만들어지는 중이므로 조기 도입하기에는 다소 위험이 있다”라고 말했다.

통신 소프트웨어 및 서비스 제공업체 탱고(Tangoe)의 CTO 야코프 샤피로는 "예측 분석의 범주는 이제 네트워크 중단을 예측하고 대역폭 및 애플리케이션 성능 문제에 선제적으로 대처하는 정도가 아니다. 이제 예측 분석은 네트워크 주변의 문제에 적용돼 SD-WAN의 한계, 예를 들어 제공업체 난립과 더 광범위한 통신사업자 서비스 관리 및 통신 비용 최적화 필요성 같은 문제를 해결하는 데도 도움이 된다. 이런 문제는 수백 개 인터넷 서비스 제공업체로 구성될 수 있는 광대역 서비스를 위해 MPLS를 거래하는 시대에 접어들면서 더욱 커졌다”라고 말했다.
 

AI가 예측 네트워킹 진화 이끈다

AI의 최근 발전은 예측 네트워크 기술에 있어 가장 중요한 요소다. 주니퍼 네트웍스 펠로우 패트릭 멜람피는 “클라우드 기반 AI 기술을 활용하면 네트워크 담당자는 더 고급 정보를 빠르게 받아 네트워크 중단 및 기타 문제를 조사할 수 있다. AI는 사람보다 빠르게 이상을 탐지하고, 이상 현상의 근본 원인을 분석해 담당자가 더 빠르게 문제를 파악하고 수정하는 데 도움이 된다”라고 말했다.

예측 네트워크 기술에 AI 툴이 통합되면 경제적인 측면에서도 혁신적인 요소가 될 수 있다. 멜람피는 “서비스 제공업체와 기업이 성숙한 AI와 ML 툴을 갖게 되면 문제 발견과 해결에 드는 비용을 낮출 수 있다. 동시에 AI는 기업 내부적으로 또는 서비스 제공업체 포트폴리오 전반에 걸쳐 관리를 간소화하는 데도 도움이 된다. 평균 복구 시간이 줄어들고 최종 사용자 만족도도 개선된다”라고 말했다.

멀티클라우드 네트워크 기술 업체 아비아트릭스(Aviatrix)의 수석 솔루션 전략가인 브라이언 우드워스는 예측 네트워크 기술이 앞으로 몇 년에 걸쳐 빠르게 발전할 것으로 기대했다. 그는 "이 기술은 네트워크 문제를 빠르고 효율적으로 해결하는 데 이미 도움이 되고 있다. AI는 많은 개별 시스템에 걸쳐 알림과 오류 조건의 상관관계를 파악하고 관련된 패턴을 몇 분, 심지어 몇 초 만에 발견한다. 사람이 하면 몇 시간에서 며칠이 걸리는 일이다”라고 말했다.

우드워스에 따르면, 예측 네트워크 기술은 로그 및 오류 분석에 섞여 드는 오탐지의 수를 획기적으로 줄여 알림의 지능과 유용함을 높여준다. 그는 “문제를 탐지하지 않으면 수정할 수 없다. 예를 들어 문제를 피해 가도록 네트워크를 변경하려면 먼저 그 문제가 어디에 있는지를 알아야 한다. 이때 AI 및 ML을 기반으로 하는 자율 복구 네트워크는 오류를 복구하고 중단을 방지하는 방법에 대해 더 정확한 권장 사항을 제공한다"라고 말했다.
 

예측 모델링은 데이터센터에서 가장 효과적

네트워크 행동 분석은 포트, 프로토콜, 성능, 지리적 IP 데이터와 같은 네트워크 데이터를 검사해서 위협의 신호일 수 있는 네트워크 행동의 중대한 변화가 발생할 때마다 알린다. 우드워스는 “앞으로는 이 데이터를 AI 모델에 집어넣어 AI 모델이 위협이 실제 위협인지 판단한 다음 네트워크를 변경해서 문제를 해결하는 방법을 제안할 수 있다. 이와 같은 예측 모델링은 데이터센터와 같은 사설 네트워크 내에서 가장 효과적으로 작동한다. 사람이 모든 네트워킹 구성요소와 여기서 생성되는 데이터를 완전히 통제하기 때문이다”라고 말했다.

반면 인터넷에 연결된 네트워크와 같은 공개 네트워크에서는 이 작업이 조금 더 어려워진다. 직접적인 통제 속에 있지 않거나 불완전한 데이터 집합을 제공하는 시스템을 보완하는 학습 모델 설계가 필요하다. 우드워스는 “학습 모델의 예측 정확도가 떨어지므로 사람이 조정해서 누락된 데이터를 보정해야 할 수 있다”라고 말했다.

스미스도 "고급 AI 및 ML 모델이 가진 장점을 완전히 누리려면 오차 교정을 위해 프로덕션 수준과 규모에서 모델을 실행해야 한다. 의사 결정자는 모델링 결과를 신뢰해야 하고 기술 스폰서는 운영을 효율적으로 실행에 옮겨야 한다”라고 말했다.

한편 클라우드 기술과 그래픽 처리 장치(GPU)의 지속적인 발전은 모델링을 새로운 차원으로 끌어올리고 있다. 컨설팅 업체 액센추어 페더럴 서비스(Accenture Federal Services)의 응용 인텔리전스 부문 이사인 매기 스미스는 “오픈소스와 상용 프레임워크는 기업이 클라우드 및 오픈소스 시스템을 AI에 맞게 구성하는 데 필요한 시간 및 복잡성과 관련된 위험을 줄이면서 신속하게, 대규모로 ML 운영을 구현하는 데 도움이 된다”라고 말했다.

스미스에 따르면, 이런 장점 때문에 여러 주요 클라우드 제공업체가 이미 AI 모델 최적화 및 관리 기능을 구현했다. 아마존 세이지메이커, 구글 AI 플랫폼, 애저 머신러닝 스튜디오와 같은 툴이 대표적이다. 스미스는 “텐서RT(TensorRT), 허깅 페이스(Hugging Face)와 같은 오픈소스 프레임워크는 모델 모니터링과 효율성을 더 개선할 여지가 있다"라고 말했다.
 

예측 네트워킹은 클라우드 및 엣지 워크로드도 분석

큰 그림에서 예측 AI 기반 네트워킹은 네트워크뿐만 아니라 클라우드 워크로드, 엣지 전송, 그리고 노트북 컴퓨터 및 모바일 기기와 같은 사용자 엔드포인트 기기와도 연관된다. 비즈니스 자문 업체 딜로이트의 위험 및 금융 자문 이사이자 미국 사이버 탐지 및 대응 리더인 커트 오블리는 “워크로드에서 생성하는 트래픽, 지연 요구사항, 누가 어떻게 어디서 데이터를 소비하는가와 같은 워크로드의 이해를 통해 가상 사설 클라우드(VPC)의 자동 적응을 지원하기 위한 예측 네트워킹에 필요한 고충실도 데이터를 식별할 수 있다”라고 말했다.

마이크로 세분화, 로드 밸런서, 트래픽 셰이퍼는 모두 전송을 최적화하는 데 도움이 된다. 오블리는 “네트워크에 초점을 둔 AI에 사용되는 고충실도 데이터를 보안 분석을 위한 사이버 보안 팀의 통합 확장 탐지 및 대응 데이터 호수를 보완하는 데도 사용할 수 있다”라고 말했다.

실제로 AI 모델은 이상 현상, 알려지지 않은 불확실성, 횡적 이동을 탐지하는 데 사용된다. 오블리는 “클라우드 워크로드, 네트워크, 엔드포인트에서 나오는 고충실도 데이터를 다양한 사용 사례에 사용하면 비즈니스 또는 정부 사이버 위험 관리에 필요한 애플리케이션 기밀성, 무결성, 가용성을 확보할 수 있다”라고 말했다.

라우터, 무선 애플리케이션, 스위치 및 다양한 기타 네트워킹 장비는 일반적으로 사용자별 데이터를 수집하지 않는다. 애플리케이션 성능 모니터링 툴은 사용자 데이터를 측정하지만 그 결과를 선제적 네트워크 작업과 연관시킬 수 없다. 멜람피는 “AI 및 예측 기술을 사용하기 위한 실용적인 모델을 구축하는 데 필요한 유형의 데이터를 수집하기 위해서는 네트워크가 사용자 및 애플리케이션을 인식해야 한다. 사용자별 경험을 측정하지 않는 솔루션은 성공하지 못할 가능성이 크다"라고 말했다.
 

예측 네트워크 그 이후는 처방적 분석

예측 네트워크의 미래에 큰 영향을 줄 기술이 바로 뉴로모픽(neuromorphic) 컴퓨팅이다. 뉴로모픽 컴퓨팅은 인간의 뇌 구조를 모방하도록 설계된 칩 아키텍처를 기반으로 하는 새로운 영역으로, 엣지 기기에서 매우 효과적인 ML을 제공할 수 있을 것으로 기대를 모은다.

모니터링 업체 스마트센스(SmartSense)의 CTO 질 드로어는 “예측 네트워크 기술은 신호를 수집해 장비 고장을 정확히 예측해 정비를 최적화할 수 있다는 점에서 매우 강력하다. 뉴로모픽 컴퓨팅이 예측에서 벗어나 미래의 결과를 보장하기 위해 무엇을 해야 하는지를 추천하는 처방적 분석(prescriptive analytics)으로 전환되면 더욱 강력해질 것이다. 특히 뉴로모픽 컴퓨팅의 칩 아키텍처는 엣지 기기 자체에서 지능적인 의사 결정을 내리도록 하는 데 중점을 둔다. 이 두 가지 기술의 결합은 예측 네트워크 분야가 발전하는 촉매가 될 것이다"라고 말했다.

현재 IBM, 인텔, 퀄컴을 포함한 여러 기업이 뉴로모픽 컴퓨팅 기술을 개발하고 있다. 드로어에 따르면, IBM의 트루노스(TrueNorth) 칩, 인텔의 로이히(Loihi) 칩 등 일부 기업은 연구개발 용도로 뉴로모픽 컴퓨팅 칩을 만들었지만 아직 상용으로 판매하지는 않고 있다. 또한 뉴로모픽 컴퓨팅이 주류 기술이 되기까지는 최소한 몇 년의 적극적인 연구개발이 필요할 가능성이 높다. 드로어는 “일단 실용성을 갖추게 되면 그 영향은 막대할 것이다”라고 말했다.
editor@itworld.co.kr

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.