사이버 보안 분야에 AI 가 필요한 이유는 무엇입니까?

IT 팀은 빠르게 진화하는 위협 환경에 대비하여 PC, 태블릿, 전화, IoT(사물인터넷) 장치, 데이터 센터, 클라우드 같은 엔드포인트 등 점점 더 늘어나는 장치 및 위치 그리고 데이터가 생성 및 처리되는 네트워크 에지에 저장된 비즈니스 데이터와 지적 재산권을 보호해야 하는 힘든 작업에 직면해 있습니다.

엔드포인트 장치가 사이버 공격의 90%를 유발하는 것으로 추정¹되며, 이러한 공격은 시스템 스택 전체에 대한 접근 권한을 확보하기 위해 운영 체제(OS) 하부를 표적으로 삼습니다. 2023년 데이터 침해 중 39%는 온프레미스, 퍼블릭 및 프라이빗 클라우드를 포함한 복수의 환경에 저장된 데이터에 영향을 미치는 것으로 밝혀졌으며, 평균 침해 비용은 445만 달러에 달했습니다.²

사이버 보안은 점점 더 정교해지는 공격을 분류하는 인간의 규모 또는 능력을 뛰어넘어 진화했으며, 경고성 피로를 경험하는 보안 운영 센터는 에지-투-클라우드 인프라 전반에서 분석 및 복구를 자동화하는 더 나은 도구를 찾고 있습니다. 또한 Anomali 2024 사이버 보안 우선 순위 연구에서 설문조사에 참여한 보안 전문가 중 47%는 그들의 보안 운영 센터가 인프라에 필요한 가시성을 제공하지 못했다고 답했습니다.³

기업은 이러한 문제를 해결하기 위해 공격으로부터 데이터를 격리하고 보호하는 데 도움이 되는 보안 솔루션과 이상 징후 및 의심스러운 행위를 보다 신속하게 감지하고 이에 자동으로 대응할 수 있는 AI 지원 기술로 구성된 심층적인 방어 전략을 채택하고 있습니다.

사이버 보안 분야에서의 AI 이점

AI 의 능력은 크고 다양한 데이터 세트를 빠르게 처리하고 거의 실시간으로 인사이트를 제공하는 역량에 달려 있습니다. 사이버 보안에 적용된 경우, 기업들은 AI 지원 보안 솔루션을 통해 시스템을 모니터링하고 종종 인적 개입 없이 잠재적이고 능동적인 공격을 식별하고 대응할 수 있으므로 가시적인 비즈니스 이점을 얻을 수 있습니다:

• 2023 IBM 데이터 침해의 보안 비용(IBM Security Cost of a Data Breach) 보고서에 따르면 보안 AI, 자동 감지 및 조사 기능을 광범위하게 활용하는 조직은 데이터 침해 비용을 176만 달러까지 줄일 수 있었다고 합니다.²
• Morgan Stanley Research 는 전세계적으로 기업들이 로그 모니터링 및 분석, 경보 요약, 패치 관리 및 보고 등 보안 분석가가 일반적으로 수행하는 작업을 AI 를 사용하여 자동화함으로써 매년 1,120억 달러의 비용을 절감할 수 있다고 추정합니다.⁴

사이버 보안 분야에서의 AI 사용 사례

사이버 보안 분야에서의 AI 사용 사례가 여전히 부상하고 있지만, AI 지원 보안 기술의 일반적인 용도는 다음과 같습니다:

• 활동 기준선을 수립하기 위한 시스템 및 장치 행위 모니터링 및 분석.
• 머신 러닝 및 CPU 원격 측정을 사용하여 감지하기 더 어려운 공격을 발견하고, 비정상적인 행위를 식별하며, 패턴을 해석하고, 거의 실시간으로 경고를 제공하는 데 도움이 되는 위협 감지 기술.
• 시스템에 알려진 위협 패턴이 없는지 모니터링하여 공격 지표를 감지하는 위협 사냥.
• 유사한 상황에서 취해진 이전 조치에 따라 반응하도록 훈련된 AI 딥 러닝 알고리즘을 사용하여 새로운 위협이나 공격에 대해 선제적으로 대처하는 자동화된 수정.
• 비즈니스 시스템 및 응용 프로그램의 AI 분석 기술로 수정이 필요한 잠재적 위험 영역을 식별하는 취약점 관리.

엔드포인트 고급 위협 감지

AI 지원 보안 기능을 모든 기술 계층에 적용할 수 있지만, 하드웨어 수준에 통합된 AI 는 소프트웨어 전용 보안 솔루션을 회피하는 운영 체제를 표적으로 하는 사이버 위협에 대해 최종 사용자 장치를 보호하는 데 도움이 됩니다.

예를 들어, CPU 원격 측정 및 AI 기반 행위 모니터링 기술은 랜섬웨어 및 크립토재킹과 같은 맬웨어를 프로파일링하고 탐지하는 데 도움이 되어 소프트웨어 솔루션을 보완할 수 있습니다.

또한 장치 기반 AI 기능은 모든 데이터가 장치에 상주하고, 클라우드가 아닌 로컬에서 AI 처리 및 분석 작업이 수행되므로 클라우드 기반 솔루션에 비해 대기 시간 단축, 데이터 제어 개선 및 비용 절감 효과를 제공합니다.

기업들은 최종 사용자 경험에 영향을 주지 않고 통합 AI 기능을 활용하기 위해 AI 워크로드 배치 및 성능을 최적화하도록 특별히 설계된 프로세서를 통해 AI PC 로 장비를 업그레이드하는 것을 고려할 수 있습니다.

민감한 AI 워크로드 및 데이터 보호

기업들은 독점 AI 모델 및 워크로드와 민감하고 기밀하며 규제 대상인 데이터의 보호 및 개인정보 보호를 강화하기 위해 대기 중, 전송 중, 사용 중 등 여정의 모든 단계에서 데이터를 보호하는 고급 보안 솔루션을 고려해야 합니다.

일반적인 데이터 보안 옵션으로는 보안 다자간 컴퓨팅, 데이터 토큰화 및 동형화된 암호화를 들 수 있습니다. 그러나 이러한 기술은 효과적이지만 새로운 문제를 야기할 수 있습니다. 이러한 옵션의 대안은 기밀 컴퓨팅입니다.

기밀 컴퓨팅은 민감한 데이터를 변환하거나 예외적인 코딩 또는 도구를 사용하지 않고도 보호를 강화합니다. 대신, 기밀 컴퓨팅은 신뢰할 수 있는 실행 환경(TEE) 내에서 격리, 검증, 암호화 및 제어 기능을 사용하여 데이터 기밀성 및 무결성을 보호합니다.

기업들은 기밀 컴퓨팅 솔루션을 구현하여 다음을 수행할 수 있습니다:

• 능동적으로 사용되는 데이터를 응용 프로그램과 격리하여 공격 접점과 민감한 데이터에 대한 액세스를 획기적으로 최소화합니다.
• 가상 머신 내에서 데이터를 하드웨어 수준까지 격리하여 명시적인 권한을 가진 소프트웨어 또는 관리자로만 보호된 액세스 권한을 제한합니다. 이는 데이터 노출, 침해, 변조 또는 도난 위험을 완화하는 데 도움이 됩니다.
• 네트워크, 에지 및 클라우드에서 컴퓨팅 자산의 신뢰성을 검증하는 제로 트러스트 증명 SaaS 를 구축하십시오.

사이버 보안 분야에서의 AI 미래

자동화된 지능형 위협 모니터링, 예측, 감지 및 대응을 통해 사이버 보안 보호를 강화하는 데 AI를 사용하면 폭, 깊이 및 보급성 측면에서 계속 발전하여 보안 솔루션의 견고성을 높이는 데 도움이 됩니다.

그와 동시에, 기업들과 기업들을 보호하는 AI 기반 도구를 공격하는 악의적인 행위자는 AI 기반 솔루션에 대한 도전을 멈추지 않을 것입니다.

모든 보안 접근 방식과 마찬가지로 기업들은 계속해서 자신들의 접근 방식을 평가하고 조정하여 보호를 위한 기술적 진보를 활용하고 진화하는 위협보다 앞서 나가야 합니다.