프라이빗 AI 보안: 편의성인가, 통제권인가?

F5 ADSP | 2026년 6월 23일

모든 AI 배포에서 롤아웃 전략은 편의성과 통제력 사이에서 적절한 방향을 설정해야 합니다. 어떤 경우에는 퍼블릭 클라우드 테넌트가 빠른 구현에 최적화되어 있고 인프라 관리 부담을 클라우드 제공업체에 맡길 수 있어 매력적입니다. 반면 필수적인 개인정보 보호 의무와 데이터 주권 요건을 충족하고 물리적으로 격리된 컴퓨팅 경계를 확보해야 하는 경우에는 다른 테넌트의 과도한 리소스 사용이나 자격 증명 유출의 영향을 덜 받는 전용 리소스가 필요합니다.

점점 더 많은 핵심 엔터프라이즈 워크로드가 특화 모델을 기반으로 하고 방대한 양의 기업 데이터로 학습된 AI 애플리케이션으로 재구상됨에 따라, 클라우드 제공업체에 신뢰를 맡기는 것은 전혀 고려할 수 없는 선택입니다.

“F5 AI Security Platform은 프라이빗 AI를 기본 설계 원칙으로 삼아 구축되었습니다.”

규정 준수와 감사에 대한 우려를 차치하더라도, 예상치 못한 막대한 추론 컴퓨팅 비용을 피하기 위해 AI 인프라를 자체 프라이빗 데이터 센터에 구축하려는 조직이 늘고 있습니다. 정보 보안 담당자와 애플리케이션 소유자 간에 이러한 논의가 이어지면서 흔히 드러나는 사실은 위험 감수 수준이 워크로드와 관련 데이터의 분류에 따라 달라진다는 것입니다. 즉, 모든 상황에 일률적으로 적용할 수 있는 단일한 해법은 없습니다.

거기에 보안도 곁들여 주세요

AI 전략이 성숙해짐에 따라 조직은 프롬프트 인젝션, 콘텐츠 조정, 비공개 데이터 유출에 대한 보호 조치 없이는 AI가 기업에서 잠재력을 온전히 발휘할 수 없다는 결론에 필연적으로 도달합니다. 이에 따라 모델에 구애받지 않는 AI 보안 플랫폼을 제공하는 공급업체를 선정하기 위한 경쟁이 시작됩니다. 훌륭합니다! 물론 AI 사용을 검사하고 관리하며 감사하는 모든 솔루션은 네트워크상에서 전송되는 프롬프트, 응답 및 AI API 트래픽을 완벽하게 검사해야 합니다.

이러한 ‘가드레일’을 어디에서 어떤 방식으로 실행할지(그리고 감사 데이터를 어디에 저장할지)는 결코 가볍게 결정할 사안이 아닙니다. 하지만 문제는 대부분의 상용 솔루션이 선택 가능한 배포 모델을 엄격하게 제한한다는 점입니다. 많은 공급업체의 솔루션은 SaaS로만 제공되거나 자체적인 개인정보 보호 방식을 내세우지만, 실제로는 인프라 계층을 훨씬 넘어 호스팅 제공업체와 플랫폼 공급업체가 함께 책임을 지는 공동 책임 모델을 형성합니다. ‘제로 트러스트’ 접근 방식을 표방하는 매우 흥미로워 보이는 일부 솔루션조차 개인정보 보호 측면에서 중대한 제약이 따릅니다. 데이터 프라이버시를 훼손하는 심각한 추세 중 하나는 공급업체가 고객의 비공개 로그를 사용해 보안 모델을 학습시키는 것으로, 이는 프라이빗 AI의 취지 자체를 무색하게 만듭니다.

가장 흥미롭게 들리는 솔루션 중 일부가 ‘제로 트러스트’ 접근 방식을 표방하더라도, 개인정보 보호 측면에서 중대한 주의 사항이 있습니다.

다행히도 보안 플랫폼이 고객에게 최소한 데이터 플레인만큼은 직접 통제하여 운영할 수 있는 옵션을 제공하는 등 어느 정도 진전이 있었습니다. 하지만 관리 플레인이 공급업체의 클라우드에 있는 경우, 구성 데이터, 정책 정의, 텔레메트리 및 운영 메타데이터는 여전히 정책이 적용되는 외부 인프라로 전송됩니다. 말할 필요도 없이, 이러한 구조적 설계 결함은 ‘보호’ 대상인 모든 애플리케이션의 보안 태세를 무너뜨리고 역방향 터널링 및 경계 우회, 악성 코드 삽입, 멀티테넌시 정보 유출, 권한 상승과 같은 위협을 초래합니다.

하이브리드 런타임 모델의 이점을 고려할 때 이러한 위험을 감수할 수 있을까요? 고객은 위험 감수 수준, 비용 및 규정 준수 태세를 바탕으로 각 사용 사례에 대해 이러한 결정을 내릴 수 있어야 합니다. 경우에 따라서는 합리적인 절충안이 될 수 있습니다. 하지만 공급업체의 전체 인프라를 공격 표면에 포함하도록 사실상 확장하고, 나아가 핵심 네트워크로의 측면 이동 가능성까지 허용하는 것은 선택지가 될 수 없는 경우도 있습니다.

고객이 결정하도록 하기

바로 이 지점에서 F5의 전략은 진정한 ‘프라이빗 AI’를 통해 차별화됩니다. 즉, 고객은 허점이 훤히 드러나는 예외 조항 없이도 다양한 옵션을 선택할 수 있습니다. F5 AI Security Platform을 사용하면 위치나 사용 사례별로 개인정보 보호 및 제어 수준을 조정할 수 있습니다. 프로비저닝은 전반적으로 최고 수준의 보안 표준을 준수하도록 구성할 수 있으며, 다양한 사용 사례에 맞춰 여러 배포 모델을 조합할 수 있습니다.

예를 들어 레드팀 테스트는 SaaS 방식으로 수행할 수 있지만, 민감한 데이터로 학습된 모델의 응답을 평가할 때는 온프레미스 또는 프라이빗 클라우드 인스턴스를 사용해야 할 수 있습니다. 또한 중요한 것은 단순히 시스템의 연결 방식만이 아닙니다. 사람의 행동 역시 여전히 주요 위협 벡터입니다.

액세스 제어와 관련해 일부 조직은 위험을 일절 허용하지 않는 단호한 접근 방식을 취합니다. 이들은 자신이 선택한 국가의 경계 내에서 신뢰할 수 있는 직원만 관리할 수 있고, 사내 GPU 용량을 기반으로 비용을 예측할 수 있는 컴퓨팅 경계를 요구합니다.

실제로 접근이 극도로 제한되고 기밀성이 매우 높은 워크로드도 F5 AI Security Platform을 통해 완전히 에어 갭된 환경에 배포할 수 있습니다. 이는 컴퓨팅 환경이 인터넷이나 안전하지 않은 네트워크와 물리적 또는 무선으로 전혀 연결되지 않는다는 의미입니다.

AI 보안 인재 부족 문제 극복
AI 트래픽에 대한 정책 제어와 규정 준수를 구현하기 위해 AI를 중심으로 네이티브하게 구축된 솔루션은 매우 새롭고 혁신적이어서, 이러한 시스템의 프로비저닝 및 확장 경험을 갖춘 실무자를 채용할 수 있는 인재 풀이 매우 제한적입니다.

이 지점에서도 F5의 전략은 해결책을 제시합니다. 전체 플랫폼이 모든 기업에서 이미 사용 중인 클라우드 네이티브 워크로드 자동화 플랫폼인 Kubernetes에 맞춰져 있기 때문입니다. Kubernetes는 기반 환경의 세부 사항을 완전히 추상화하면서 선언적 상태를 구현하는 사실상의 클라우드 운영 체제로 자리 잡았습니다. 또한 단순히 Helm과 같은 패키지 관리자를 사용해 설치하는 수준에 그치지 않습니다. 인증된 Red Hat OpenShift Operator를 통해 운영을 더욱 간편하게 할 수 있습니다.

F5 AI Security Platform이 프라이빗 AI를 지원하는 방법

F5 AI Security Platform은 프라이빗 AI를 기본 설계 원칙으로 삼아 구축되었습니다. F5 AI Red Team과 F5 AI Guardrails은 모든 배포 옵션을 지원합니다. 두 솔루션 모두 Kubernetes에 네이티브로 배포되며 고객이 관리하는 환경 내에서 완전히 실행될 수 있습니다. 검사, 정책 적용 및 문제 해결은 F5 또는 타사 클라우드 서비스로 아웃바운드 호출을 전송하지 않고 로컬에서 수행할 수 있습니다. 무엇보다도 당사는 고객 데이터로 모델을 학습시키지 않습니다. 프롬프트, 응답 및 로그는 전적으로 고객의 통제하에 유지됩니다.

이러한 약속은 AI 네이티브 보안을 넘어섭니다. 이번 주 F5 AI Summit에서 F5 AI Security Platform을 발표함에 따라, 동일한 수준의 배포 유연성과 개인정보 보호를 F5 웹 애플리케이션 및 API 보호에도 적용하고 있습니다. 모든 인수와 새롭게 구축하는 모든 기능에서 당사의 설계 철학은 한 가지 질문으로 시작됩니다. 가장 높은 수준의 보안이 요구되는 사용 사례에 이러한 가치를 어떻게 제공할 수 있는가?

F5는 이미 AI 보안을 위한 최고 수준의 배포 유연성과 개인정보 보호 기능을 제공합니다. F5 AI Security Platform을 통해 제품군을 확장하면서도 고객 제어권에 대한 확고한 기준을 계속 지켜 나가고 있습니다. F5의 프라이빗 AI 지원은 로드맵상의 항목이나 특별 계약이 아니라, F5가 제품을 구축하는 기본 방식입니다.

F5 AI Security Platform에 대해 자세히 알아보려면 보도 자료를 읽어보세요. 또한 블로그 게시물인 “F5 AI Security Platform: AI 보안의 불확실성 해소”도 확인해 보세요.