프록시는 보안의 미래를 위한 핵심 구성 요소입니다

F5

우리가 디지털 트랜스포메이션의 세 번째 단계로 나아감에 따라, 코드에서 고객에 이르는 애플리케이션 경로의 모든 지점에서 데이터와 텔레메트리를 수집하고 분석하는 것이 매우 중요합니다. 기업은 성능을 개선하고 효율성을 높이며 경쟁 우위를 강화하는 데 도움이 되는 소비자 이용 패턴, 재고 추적, 계절적 변동 등 다양한 데이터를 제공하는 머신 러닝 기반 분석에 크게 의존하고 있습니다. 동시에 머신 러닝은 기업이 현재 직면하고 있으며 앞으로도 계속 직면하게 될 고도화된 보안 위협에 대응하는 데에도 매우 중요합니다.

하지만 머신 러닝의 가치를 실현하는 데 매우 중요한 보안 아키텍처 논쟁은 여전히 남아 있습니다. 패킷 필터링과 프록시 중 어느 것이 더 나은가 하는 문제입니다. 이 논쟁은 거의 20년 전 제가 Cisco CTO실의 보안 혁신 그룹에서 인턴으로 근무할 당시에도 뜨거웠으며, 오늘날까지 계속되고 있습니다.

초기에는 속도와 처리량에 초점을 맞춘 덕분에 네트워크 패킷 필터링이 우세한 듯했습니다. 패킷 필터링 방식은 개별 패킷 단위로 작동하기 때문에 과거에는 연결 지향형 프록시 방식보다 더 빠른 경우가 많았습니다. 패킷 필터링 방식을 기반으로 구축된 보안 솔루션은 더욱 상태 기반인 엔진으로 발전해 ‘애플리케이션 인식’ 기능을 갖추게 되었고, 애플리케이션과 ID에 더 중점을 두게 되었습니다. 그럼에도 패킷 필터링 기반 보안의 핵심 가치 제안은 개별 패킷을 빠르게 검사하는 데 크게 의존했습니다.

하지만 결국 ‘애플리케이션에 정통한’ 프로그래밍 가능 프록시가 발전하면서 초기 패킷 필터링의 이점을 뛰어넘는 가치를 제공하게 되었습니다. 이러한 가치의 핵심은 두 가지입니다. 첫째, 프록시는 사용자와 애플리케이션 간, 네트워크와 애플리케이션 간, 그리고 논리적 비즈니스 흐름 전반의 모든 상호작용에 대한 가시성을 제공하여 지능형 공격을 탐지할 수 있게 합니다. 둘째, 프로그래밍 가능 프록시는 코드를 삽입하고 헤더를 보강하며 추적 데이터를 추가하여 클라이언트와 애플리케이션을 동적으로 계측할 수 있습니다. 다시 말해, 이제 검사만으로는 충분하지 않습니다. 프록시는 패턴을 발견하고 실행 가능한 보안 인사이트를 도출하는 데 필요한 폭넓고 심층적인 데이터를 바탕으로 상호작용을 계측하는 핵심 기능을 제공합니다.

검사 및 계측의 힘

악성 트래픽을 필터링하고 정상 트래픽에 검사 역량을 집중해야 할 필요성은 여전히 분명합니다. 이를 통해 조직은 사용자 ID를 다른 액세스 제어 정책과 연계하는 ‘제로 트러스트’ 설계 접근 방식에 부합하는 아키텍처를 기반으로 폭넓고 심층적인 대응 역량을 확보할 수 있습니다.

또한, 공격 수법은 초보적인 공격 수준을 넘어섰습니다 이러한 공격은 WAF와 같은 단일 인라인 장치로 연결을 특정 시점에 분석하는 방식으로 탐지할 수 있었습니다. 지능형 공격을 탐지하고 완화하려면 전체 데이터 경로에서 일정 기간에 걸쳐 여러 신호 또는 데이터 포인트를 연계 분석해야 합니다.

보안의 미래는 패킷에서 추출한 기술적 데이터 포인트를 넘어서는 텔레메트리에 달려 있습니다. 이를 위해서는 클라이언트에서 애플리케이션, 행동에 이르는 상호작용을 총체적으로 파악해야 합니다. 머신 러닝이 패턴을 확립하고 인식하려면 방대한 양의 데이터가 필요합니다. 프로그래밍 가능한 프록시가 고급 보안 접근 방식에서 매우 중요한 이유가 바로 여기에 있습니다. 계측을 통해 수집된 고충실도 데이터는 풍부한 정보를 제공하여 애플리케이션 공격을 방어하고 나아가 예측할 수 있게 합니다.

결국 기업이 보유한 도구를 제대로 활용하지 못한 채 지능형 공격에 계속 대응해야 한다면, 머신 러닝을 통해 얻을 수 있는 성능 향상과 효율성, 경쟁 우위를 실현하기가 매우 어려울 것입니다.

작성자 소개

F5

F5의 다른 블로그 게시물