인공지능과 머신러닝(AI/ML)은 요즘 뜨거운 화두입니다. 고객, 파트너, 업계 분석가, 언론인 등과의 회의에서는 대면이든 비대면이든 거의 빠짐없이 언급됩니다. 때로는 질문과 논의가 매우 명확하고 구체적이지만, 상당히 막연하고 일반적인 경우도 있습니다.
AI/ML에 관한 일반적인 질문을 받을 때면, 저는 다른 사람들과는 조금 다른 방식으로 답하는 편입니다. 제게 AI/ML은 범용 솔루션이 아니라, 효과를 발휘하려면 특정 문제에 적용해야 하는 도구입니다.
그렇다면 기업들이 어려움을 겪는 문제 중 AI/ML로 해결할 수 있는 것은 무엇일까요? 모든 문제를 망라한 것은 아니지만, 제가 특히 주목하는 몇 가지를 소개하겠습니다.
자동화된 공격
자동화된 공격은 봇 네트워크에 의해 자행되는 경우가 많습니다. 이러한 공격은 사기로 인한 손실, 재고 조작, 평판 훼손, 데이터 도난, 인프라 비용, 성능 비용, 지원 비용 등 기업에 다양한 위험을 초래합니다. 자동화된 공격을 탐지하고 완화하려면 사람에 의한 트래픽과 자동화된 트래픽의 차이를 이해해야 합니다.
개념적으로는 간단하게 들릴 수 있지만, 실제로는 다양한 기법이 필요한 어려운 작업입니다. 이러한 기법 중 하나는 AI/ML을 활용하는 것입니다. 물론 일반적인 용도가 아니라, 원치 않는 자동화 트래픽과 정상적인 사용자 트래픽을 구분하는 문제에 매우 구체적으로 적용하는 것입니다.
사기
사기는 기업, 특히 온라인 거래 비중이 높은 기업에서 갈수록 심각해지는 문제입니다. 기업은 다양한 방식으로 사기 피해를 입을 수 있지만, 디지털 채널에 큰 영향을 미치는 대표적인 사기 유형으로는 계정 탈취(ATO)와 계정 개설(AO) 사기가 있습니다. ATO는 일반적으로 사기범이나 기타 권한이 없는 사용자가 유출된 인증 정보, 브라우저 중간자 공격(MITB), 사회 공학 또는 기타 수단을 이용해 계정을 탈취하는 행위를 말합니다. AO는 사기범이나 기타 권한이 없는 사용자가 도용되거나 조합된 개인 식별 정보(PII)를 사용해 계정을 개설하는 행위를 말합니다.
많은 오탐을 발생시키지 않으면서 사기를 안정적으로 탐지하려면 규칙 기반 및 시그니처 기반 사기 탐지만으로는 충분하지 않습니다. 온라인 애플리케이션과 상호 작용하는 세션에서 최종 사용자의 의도를 파악해야 합니다. 이를 위해서는 최종 사용자의 행동, 기기 특성, 접속 중인 네트워크/환경을 관찰하고 AI/ML을 적용해 분석해야 합니다. 이는 실제로 좋은 성과를 거둔 또 하나의 매우 구체적인 AI/ML 활용 사례입니다.
API 보안
API 보안은 AI/ML을 적용해 까다로운 문제를 해결할 수 있는 또 다른 영역입니다. 기업은 빠르게 변화하는 시장의 요구에 발맞추기 위해 기술 혁신을 추진해야 했습니다. 이에 따라 최종 사용자의 요구를 충족하기 위해 고객용 애플리케이션과 API를 출시해 왔습니다. 경우에 따라 이러한 애플리케이션과 API는 충분한 보안 및 보호 조치 없이 출시되기도 합니다. 또한 적절하게 목록화되고 관리되지 않는 경우도 있습니다.
이러한 모든 문제는 애플리케이션과 API에 취약점과 보안 약점을 초래합니다. 바로 이 지점에서 AI/ML 기반 탐지 기능이 기업에 매우 중요해집니다. 탐지 기능은 알려지지 않았거나, 인벤토리에 등록되지 않았거나, 관리되지 않는 API를 식별할 수 있습니다. 또한 API가 적절한 인증 방식으로 보호되는지 확인하고, 요청과 응답에 민감한 데이터가 포함되어 있지 않은지 검증하며, 해결해야 할 취약점이 없는지도 확인할 수 있습니다. 이 모든 것은 기업이 애플리케이션과 API의 보안을 강화하는 데 도움이 되는 AI/ML의 구체적인 활용 사례입니다.
결론
사람들이 AI/ML에 관해 광범위하고 일반적인 질문을 하면, 저는 논의의 초점을 좀 더 구체적으로 맞추는 편입니다. 제게 AI/ML은 해결에 도움이 될 수 있는 특정 보안 및 사기 문제에 적용할 수 있고, 또 적용해야 하는 도구입니다. 실제로 거의 모든 기업이 직면하는 몇 가지 중요한 문제에서 AI/ML은 고유한 이점을 제공하는 것으로 입증되었습니다.
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.