인공지능 시스템 개발이 그 어느 때보다 쉬워지면서 귀하(또는 이사회)는 이를 서둘러 활용하고 싶을 수 있습니다. AI를 도입하면 비즈니스를 현대화할 전례 없는 기회를 얻을 수 있습니다. 예를 들어, AI는 다음과 같은 일을 할 수 있습니다:
- 비용을 절감하고 매출을 증대할 수 있는 새로운 비즈니스 인사이트 발굴
- 새로운 제품과 서비스를 위한 혁신적인 비전을 실현하세요
- 선점 우위를 확보할 수 있는 새로운 시장을 정의하세요
하지만 AI 개발은 놀라울 정도로 빠르게 발전하고 있으며, 복잡한 하이브리드 또는 멀티클라우드 인프라에서 AI 시스템을 유지 관리하는 일은 어렵고 비용도 많이 듭니다. 많은 기업과 마찬가지로 귀사의 IT 및 보안 팀도 이미 여력이 부족하다면, 산더미처럼 쌓인 기존 기술 스택에 새롭고 복잡한 기술까지 추가해야 한다는 생각만으로도 막막할 수 있습니다. 하지만 꼭 그럴 필요는 없습니다. 멀티클라우드 AI 워크로드를 손쉽게 구축하고 유지 관리하며 보호하는 데 도움이 되는 현재 이용 가능한 솔루션을 계속해서 살펴보세요.
1단계: AI 위험 이해하기
AI 기반 앱은 내부적으로 정교한 기능을 갖추고 있을 수 있지만, 데이터로 구동되는 다른 최신 앱과 마찬가지로 사람이 유발하거나 봇이 일으키는 다음과 같은 광범위한 사이버 위험과 위협에 노출됩니다:
- 무단 액세스: 검증되지 않은 AI 애플리케이션 인터페이스(섀도 API)가 의도치 않게 악의적인 행위자에게 노출되어 접근 가능한 상태가 될 수 있으며, 이로 인해 모델 및 학습 데이터에 대한 무단 액세스와 오용이 발생할 수 있습니다.
- 모델 악용: 악의적인 행위자는 AI 모델에 반복적으로 쿼리를 보내 모델을 복제할 수 있으며, 이렇게 만든 복제본을 경쟁 또는 악의적인 목적으로 사용할 수 있습니다. 또한 모델 역추론을 통해 AI 모델의 속성을 재구성하거나 새로운 학습 데이터 세트를 구축하여 민감한 정보를 노출할 가능성도 있습니다.
- 요청 속도 제한 및 비용 초과: 일부 AI 모델은 엄격한 요청 속도 제한이 없으면 과도하게 사용될 수 있습니다. 이로 인해 서비스 성능 저하, 무차별 대입 공격 또는 본격적인 서비스 거부 공격이 발생할 수 있습니다. 이러한 악용은 서비스 중단뿐만 아니라 상당한 비용을 초래할 수 있습니다.
- 새로운 배포 모델: 성공적인 AI 워크로드 운영에 필요한 분산 아키텍처나 엣지 배포 방식은 익숙하지 않을 수 있습니다. 이처럼 다양한 환경 전반에서 일관성과 보안을 유지하는 것은 쉽지 않은 과제입니다.
이러한 위험을 해결하려면 전체 인프라에 걸쳐 적절한 액세스 수준, 데이터 보호 조치, 애플리케이션 보안 제어, API 권한 부여 방식 및 성능 향상 구성을 설정하고 적용해야 합니다.
2단계: 복잡성 최소화
개발 수명 주기의 각 단계가 진행될수록 안전한 고성능 AI 솔루션을 운영하는 데 필요한 분산 환경을 구축하고 연결하며 유지 관리하는 작업은 더욱 복잡해집니다. 이러한 복잡성을 크게 줄이는 한 가지 방법은 컨테이너를 사용하는 것입니다. 컨테이너는 더 적은 리소스를 사용하면서도 다양한 환경에서 더 빠르게 배포할 수 있습니다.
복잡성을 줄이는 또 다른 핵심 요소는 통합 개발 및 제공 플랫폼입니다. 이를 통해 AI 모델과 애플리케이션 개발에 참여하는 여러 팀이 효율적으로 협업할 수 있습니다. 또한 AI 모델을 학습시키고 다각화된 인프라 전반에 AI 데이터와 애플리케이션을 배포하는 복잡한 프로세스를 간소화할 수 있습니다.
통합 플랫폼은 간단한 구성과 클라우드 또는 온프레미스 배포를 통해 팀이 개발 및 관리상의 과제를 극복하도록 지원할 수 있습니다. 하지만 이러한 플랫폼은 프로세스의 모든 단계에 보안을 내재화해야 합니다.
3단계: 보안 통합
API는 AI 기반 앱의 운영에 핵심적인 연결 수단이므로 주요 위험 요소가 될 수 있습니다. AI 모델과 앱을 배포할 때 API 보안을 적용하면 보안과 가용성을 유지할 수 있을 뿐만 아니라 거버넌스도 한층 강화할 수 있습니다.
분산형 앱이나 엣지에서 실행되는 앱이 여러 클라우드 또는 고객 위치에서 원활하게 작동하려면 안전한 연결이 필요하며, 동시에 앱과 데이터를 위협이나 무단 액세스로부터 보호해야 합니다. 앱과 AI 모델 역시 봇부터 취약점에 이르는 다양한 보안 위협으로부터 보호해야 합니다. 웹 앱용으로 설계된 추가 보호 계층을 배포하면 성능 저하나 데이터 유출을 초래할 수 있는 공격을 방지할 수 있습니다.
지금 바로 AI 솔루션을 안전하게 보호하세요
AI 기반 앱은 판도를 바꾸는 혁신이지만, 이미 익숙한 최신 앱과 공통점도 많습니다. 현재 이용 가능한 솔루션을 활용하면 비즈니스 현대화 목표에 부합하는 AI 솔루션을 제공하는 과정에서 발생하는 위험에 대응할 수 있습니다.
F5와 Red Hat은 귀사의 IT, 데이터 과학, 애플리케이션 개발 및 보안 팀이 더욱 원활하게 협업하고 고성능 솔루션을 안전하고 신속하게 제공하는 데 집중할 수 있도록 긴밀히 협력하고 있습니다.
익숙한 플랫폼에서 AI 워크로드를 더욱 쉽게 구축하고 유지 관리할 수 있도록 지원하는 Red Hat OpenShift AI에 대해 알아보세요. 또한 강력한 F5 앱 보안으로 AI 워크로드를 안전하게 보호하고, Red Hat과의 기존 파트너십을 활용할 수 있습니다. 빠르고 지능적이며 안전한 앱을 구축할 수 있다는 확신을 가지고 AI의 세계를 활용해 보세요. F5와 Red Hat에 대해 자세히 알아보기.
작성자 소개
관련 블로그 게시물
성평등을 향한 여정: 사이버 보안 분야에서 성공적인 커리어를 개척하는 방법에 관한 Jenn Gile과의 Q&A
F5의 ‘성평등을 향한 여정’ 시리즈 네 번째 Q&A에서는 Rachael Shah와 NGINX 제품 마케팅 책임자 Jenn Gile이 사이버 보안 직종에 대한 오해를 바로잡고, 사이버 보안 분야의 성별 격차를 해소하기 위한 조언과 그 이점에 대해 이야기합니다.
TLS 검사에서 피터 파커 원칙 다루기
“큰 힘에는 큰 책임이 따른다.” 볼테르와 처칠도 이와 비슷한 말을 남겼지만, 이 문구는 스파이더맨 코믹스에서 벤 삼촌의 말로 가장 널리 알려져 있습니다. 물론 이 문구가 문화적으로 널리 통용되는 이유 중 하나는 TLS 검사를 비롯해 수많은 상황과 주제에 적용할 수 있기 때문입니다.
Venafi와 F5를 통한 머신 아이덴티티 보호
‘머신 아이덴티티’란 간단히 말해 자동화된 프로세스가 자신의 신원을 식별할 수 있도록 하고, 다른 자동화 시스템과 프로세스가 관련 리소스에 적절한 수준의 접근 권한을 부여하도록 하는 방법을 의미합니다. 이 개념 자체는 새로운 것이 아닙니다. 비교적 새로운 점은 이를 구현해야 하는 규모입니다.
마이너와 미니언: 데이터 유출만이 비용을 초래하는 것은 아닙니다
물론 데이터 유출은 더 큰 비용을 초래할 수 있고(적어도 지금은), 실패 사실을 세상에 드러낼 수밖에 없게 합니다(통지 의무가 있으니까요). 하지만 보안을 단순히 데이터 노출 문제로만 봐서는 안 됩니다. 요즘은 데이터가...
내 클라우드에서 나가!
F5의 Jay Kelley가 전하는 최신 소식에는 Microsoft Office 365용 신규 ID 및 액세스 솔루션을 배포할 때 고려해야 할 사항이 정리되어 있습니다.
Shift(웹 앱) 보안 레터
웹 앱 보안을 개발 초기 단계로 앞당기세요. F5 블로그에서 DevOps 파이프라인 초기에 보안을 통합하여 취약점을 예방하고 시간을 절약하는 방법을 알아보세요.