공공 안전 기관, F5로 AI 데이터 전송 보안 강화

자율 플랫폼은 영상 및 센서 데이터를 지속적으로 생성하며, 국가 공공 안전 기술 기관은 이 데이터를 저장 및 변환하여 RAG 서비스에 제공합니다. F5 BIG-IP r4600 어플라이언스는 해당 기관의 Weka 및 VAST Data 스토리지 앞단에 배치되어 데이터 수집 경로의 보안과 부하 분산을 담당함으로써 경계에서 데이터를 보호하고 AI 애플리케이션에 최신 데이터를 안정적으로 제공합니다.

비즈니스 과제

한 국가 과학기술 기관은 일선 요원들이 국민의 안전을 지킬 수 있도록 지원하는 첨단 시스템을 개발합니다. 이 기관의 가장 혁신적인 프로그램 중 하나는 현장 작전을 지원하기 위해 배치되는 지상 로봇과 드론을 포함한 자율 로봇 플랫폼의 개념 증명입니다. 이러한 플랫폼에는 컴퓨터 비전 시스템, 객체 탐지 메커니즘, 센서 융합 기술이 탑재되어 있어 기지를 출발하는 순간부터 영상, 원격 측정 데이터, 이벤트 데이터를 지속적으로 생성합니다.

이 모든 데이터는 기관의 프라이빗 클라우드로 전송되며, S3 호환 인터페이스를 통해 WEKA 및 VAST Data 솔루션 기반의 고성능 스토리지에 기록됩니다. 이후 데이터 세트는 검색되고 필요에 따라 변환된 다음, 기관의 AI 기반 애플리케이션을 지원하는 검색 증강 생성(RAG) 서비스에 수집됩니다. 이 파이프라인을 통해 이동하는 데이터의 최신성과 무결성은 AI의 성능에 직접적인 영향을 미칩니다. AI가 실시간 운영 의사 결정을 지원하는 환경에서는 특히 중요한 요소입니다. 데이터 경로의 지연이나 손상은 단순한 불편이 아니라 운영상의 위험입니다.

이 기관의 가장 큰 과제는 이러한 데이터 소스가 WEKA 및 VAST Data 스토리지 환경에 도달하기 전에 보호할 수 있도록 강력한 경계 보안 프레임워크를 구축하는 것이었습니다. 디바이스에서 생성된 데이터는 현장에서 유입되어 네트워크 경계를 통과한 뒤, 자체 방어 기능을 염두에 두고 설계되지 않은 스토리지 API에 도달합니다. 이 기관은 데이터 수집 속도를 저하시키거나 데이터를 기반으로 구동되는 애플리케이션을 중단하지 않으면서도 엣지에서 해당 트래픽을 검사하고 제어하며, 통과가 허용된 모든 소스를 인증해야 했습니다.

프로그램이 성장함에 따라 스토리지 계층도 그 속도에 발맞춰야 합니다. 새로운 로봇, 드론, 센서 패키지가 추가될 때마다 데이터 스트림이 늘어나고, 새로운 AI 활용 사례가 생길 때마다 반대편에서 데이터를 읽는 주체도 증가합니다. 이 기관에는 이러한 흐름을 안전하게 보호하면서 함께 확장할 수 있는 스토리지의 관문이 필요했습니다.

솔루션

이 기관은 WEKA 및 VAST Data 스토리지 클러스터 전면에 안전한 고가용성 데이터 경로를 구축하기 위해 r4600 ‘Best Bundle’ 구성으로 F5 rSeries 하드웨어를 배포했습니다. 개념 증명 과정에서 검증된 이 아키텍처는 DMZ에 F5 BIG-IP Local Traffic Manager (LTM)와 F5 BIG-IP Advanced WAF를 배치하여 경계에서 웹 애플리케이션 방화벽(WAF), API 게이트웨이, S3 및 DNS 서비스를 제공합니다. 이후 BIG-IP LTM이 가상 머신, Kubernetes 기반 서비스 및 스토리지 환경이 실행되는 프라이빗 클라우드 플랫폼으로 유입되는 트래픽의 부하를 분산합니다.

데이터 플레인에서 BIG-IP LTM은 높은 처리량과 서비스 가용성을 유지할 수 있도록 S3 객체 요청을 스토리지 노드 전반에 지능적으로 분산합니다. 노드 상태를 지속적으로 모니터링하고, 핫스팟으로 인해 파이프라인이 중단되기 전에 부하가 과도한 노드에서 수집 트래픽을 다른 곳으로 전환합니다. 또한 WEKA와 VAST Data 환경 모두에서 이를 일관되게 수행하여 기관이 이기종 스토리지에 액세스할 수 있는 단일 데이터 경로를 제공합니다. BIG-IP LTM은 스토리지 엔드포인트를 하나의 안정적인 주소로 추상화하는데, 이 역시 스토리지 운영팀에 매우 중요한 요소입니다. 현장의 로봇과 데이터 센터의 RAG 서비스가 연결된 상태를 유지하는 동안 해당 주소 뒤에서 노드를 추가하거나 폐기하거나 재조정할 수 있습니다. 따라서 스토리지 관리자는 유지보수 시간을 기다릴 필요 없이 운영 중에도 클러스터를 가동할 수 있습니다.

한편, F5 WAF 및 API 보안 서비스는 스토리지 바로 앞의 데이터 경로에 배치되어 S3 API 호출이 클러스터에 도달하기 전에 이를 검사합니다. 다단계 구축의 첫 번째 단계에서 구현된 액세스 제어는 인증 및 권한 부여를 받은 소스만 해당 환경에 데이터를 쓰거나 읽을 수 있도록 보장합니다. 이 기관의 구축 로드맵은 동일한 적용 지점을 AI 런타임 보안으로 확장하며, 기관의 RAG 애플리케이션이 개념 증명 단계에서 프로덕션 단계로 전환됨에 따라 F5 서비스가 추론 트래픽을 검사하도록 합니다.

그 결과, 스토리지 환경에 도달하기 전 데이터 경로에서 보안과 트래픽을 관리하는 단일 제어 지점이 마련됩니다. 유입되는 데이터는 보호되고, 유출되는 데이터는 원활하게 전송됩니다.

결과

로보틱스 AI를 위한 안정적인 데이터 수집

이제 지상 로봇과 드론은 안전하고 가용성이 높은 경로를 통해 비전, 감지 및 센서 융합 데이터를 스토리지로 스트리밍합니다. 스토리지 노드의 성능이 저하되면 BIG-IP LTM이 해당 노드를 우회하도록 트래픽을 라우팅하여 데이터 수집이 계속되도록 합니다. 이러한 플랫폼이 의존하는 AI 애플리케이션은 실시간 운영 의사 결정에 필요한 데이터에 안정적으로 액세스할 수 있습니다.

스토리지 API를 위한 단일 보안 진입점

이제 WAF, API 보안 및 액세스 제어 서비스가 S3 환경 앞의 단일 보안 적용 지점에 통합되어 있습니다. 모든 요청은 스토리지 노드에 도달하기 전에 검사 및 인증되므로, 데이터의 안전성이 모든 클라이언트의 올바른 동작에 좌우되지 않습니다. 견고한 경계 보안이 구축됨에 따라 스토리지 팀은 더 이상 최후의 방어선이 아닙니다.

RAG 파이프라인에 최신 데이터를 지속적으로 공급하세요

안정적인 데이터 수집 경로를 통해 데이터 세트를 객체 스토리지에서 가져와 변환한 후 중단 없이 RAG 서비스에 수집할 수 있습니다. 최신 상태의 완전한 데이터는 기관의 AI 기반 애플리케이션을 더욱 정확하고 안정적이며 신뢰할 수 있게 만들어, 이를 사용하는 담당자들이 안심하고 활용할 수 있도록 합니다.

앱을 수정하지 않고 스토리지 확장

클러스터 앞단에 애플리케이션 전송 계층이 없으면 엔드포인트 변경과 핫스팟으로 인해 WEKA 또는 VAST Data 스토리지와 같은 고성능 플랫폼에 심각한 장애가 발생할 수 있습니다. 하지만 BIG-IP LTM이 스토리지 엔드포인트를 추상화하므로, 기관은 단 하나의 애플리케이션이나 현장 플랫폼도 리디렉션하지 않고 WEKA 및 VAST Data 클러스터를 확장할 수 있습니다. 스토리지 관리자는 안정적인 주소 뒤에 노드를 추가하고 데이터의 균형을 재조정하며, 클러스터가 확장되는 동안 상태 모니터링과 트래픽 조정 기능이 클러스터를 보호합니다.

AI 데이터 전송을 위한 청사진

이 기관이 WEKA 및 VAST Data 스토리지에서 달성한 성과는 범용 S3 호환 오브젝트 스토리지든, 학습 및 추론용으로 구축된 고성능 데이터 플랫폼이든 스토리지 클러스터에서 AI에 데이터를 공급하는 모든 조직에 적용할 수 있습니다. RAG 데이터 수집량이 증가함에 따라 전용 전송 및 보안 계층을 도입하면 증가하는 수요를 감당하기 벅찬 스토리지를 보호되고 확장 가능한 파이프라인으로 전환할 수 있습니다. 이 기관의 로보틱스 프로그램이 성장하더라도 데이터 경로는 이미 준비되어 있습니다.