한 달 동안 보안 센서 20개에서 발생한 경보는 약 197만건. 인공지능(AI)은 이 가운데 16건을 선별했고, 13건이 실제 위협으로 확인됐다. 안랩이 제시한 'AI 네이티브 센서' 분석 사례다. AI가 위험 가능성이 큰 사건을 추려내 보안 담당자가 주요 위협에 집중하도록 지원하는 방식이다.
AI가 사이버 공격의 속도와 규모를 키우면서 방어체계에도 변화가 요구되고 있다. 공격자는 AI로 취약점 분석과 공격경로 검증, 피싱·악성코드 제작 등을 자동화하지만, 방어자는 쏟아지는 경보를 분석하고 실제 위협을 판단하는 데 상당한 인력을 투입해야 한다. 개별 보안제품의 탐지 성능을 높이는 것만으로는 한계가 있다는 지적이다.
안랩은 이러한 격차를 줄이기 위해 통합 브랜드 '안랩 AI 플러스'를 중심으로 보안 운영 전 과정의 지능화를 추진한다. 위협 탐지를 넘어 공격의 맥락을 파악하고 조사·대응까지 연결하는 'AI 네이티브' 보안 운영체계로 전환한다는 전략이다.
안랩 AI 플러스는 보안 데이터와 AI 에이전트, 제품·서비스의 실행 기능을 연결하는 통합 브랜드이자 플랫폼·아키텍처 개념이다. 기존 제품의 탐지·분석에 AI를 활용하는 'AI 파워드 보안'을 넘어 보안 운영 자체를 AI 중심으로 설계한다.
기반이 되는 '시큐리티 데이터 패브릭(Security Data Fabric)'은 자체 보안 센서와 외부 제품의 데이터를 수집·연결한다. 기존 보호 기능을 통합하고 공격 노출 자산과 경로를 관리하며 사용자·기기·애플리케이션의 접근을 지속 검증하는 구조다.
상위 계층에서는 AI가 탐지·분류·분석·대응을 지원한다. 여러 보안제품의 신호와 공격 흐름, 영향 범위를 분석해 하나의 보안 사건으로 재구성하고 대응 우선순위를 제시한다. 안랩은 AI로 분산된 신호를 분석해 공격 맥락을 파악하고 대응까지 연결한다는 구상이다.
반복적인 조사·분석은 AI가 맡고 보안 담당자는 주요 의사결정에 집중할 수 있게 된다. AI는 대량의 경보에서 조사할 위협을 선별하고 공격 원인과 영향 범위를 파악해 대응 정보를 제공한다.
이를 뒷받침하는 경쟁력은 30년 이상 축적한 보안 데이터와 운영 경험이다.
안랩은 2.5페타바이트(PB) 이상의 보안 데이터와 13종의 보안 특화 AI 모델을 활용해 에이전틱 AI 역량을 발전시키고 있다. 실제 제품 기능을 AI 에이전트의 업무 도구로 연결하는 데 주력한다.
AI가 위협 분석을 넘어 실제 대응까지 관여하는 만큼 자율성과 통제의 균형도 중요하다. 안랩은 반복적인 분석과 대응 업무는 AI에 맡기되, 보안 운영에 영향을 미치는 주요 의사결정에는 사람의 판단을 반영하는 구조를 지향한다.
이승경 안랩 인공지능개발실장은 “AI의 판단과 행동을 권한·정책·감사·승인 체계로 관리하는 '통제된 자율성'을 핵심 설계 원칙으로 삼고 있다”며 “운영 환경에 중대한 영향을 미치는 조치는 사전에 정의된 권한과 정책에 따라 통제하고, 필요한 경우 사람의 승인을 거쳐 실행하도록 설계한다”고 말했다.
이러한 AI 기반 운영체계는 보안 인력이 부족한 기업의 분석·대응 역량을 보완하고 자체 보안관제 조직의 반복 업무를 줄이는 효과가 기대된다.
안랩은 향후 3년간 AI 분야에 1000억원을 투자해 인프라와 데이터·플랫폼, 전문 인력과 연구개발 역량을 강화할 계획이다. AI와 전문가의 판단·통제를 결합해 잠재적 위협을 선제 검증하는 AI 네이티브 보안 운영체계로 발전시킨다는 구상이다.
박진형 기자 jin@etnews.com
