[솔루션 리뷰] DB세이퍼 AI 어시스턴트, 자연어로 로그·권한·정책 연결

기업 환경에서 AI 활용과 클라우드·하이브리드 인프라 확산으로 기업 관리 대상 영역이 증가하고 통제 대상 범위가 확대됐으며, 로그·정책 규모가 확대되고 사용자·자원 등 요소 간 관계가 복잡해졌다. 반면 보안 담당자가 위협을 탐지·대응할 수 있는 시간은 축소됐고, 로그·정책·관계 해석 역할은 여전히 사람이 담당하고 있어 보안 운영 복잡성을 완화할 수 있는 수단이 필요해졌다.

이에 피앤피시큐어는 'DB세이퍼 AI 어시스턴트(DBSAFER AI Assistant)'를 제시했다. 이 도구는 대화형 인터페이스 기반으로 구현돼 사용자가 자연어로 업무를 처리할 수 있도록 했으며, AI가 질문 의도를 해석하고 로그·정책 검색을 수행한 뒤 결과 요약을 제공하고 차트·관계도 시각화를 제공한다. 기사에서는 DB세이퍼 AI 어시스턴트 도입에 따른 보안 운영 체계 변화를 검토한다.

AI 확산을 배경으로 보안 운영 현장의 고민이 심화하고 있다. IT 환경 복잡도가 급속히 상승하고 있으며, 시스템 간 연결 범위도 확대되고 있다. 여기에 AI·클라우드 등 외부 연계 시스템·서비스가 증가하면서 보안 운영 환경의 복잡성과 관리 범위가 함께 커지고 있다.

이 같은 시스템 확장에 따라 담당자의 관리 지점도 대폭 증가했다. 시스템 확장에 따른 권한 관리 문제도 발생하고 있다. 특히 AI 서비스 개발·데이터 분석·학습 과정에서 개발자·분석가·운영자가 다중 시스템·데이터 권한을 보유하게 되면서 사용자 1인의 접근 범위가 확대되고 있다.

이로 인해 시스템과 권한의 관계는 더욱 복잡해지고 있다. 사람을 중심으로 이뤄지던 통제 대상도 비인간 영역으로 확장되고 있다. 시스템·데이터에 자율 접근해 작업하는 AI 에이전트가 증가하면서 관리해야 할 대상의 성격도 달라지고 있다.

비인간 계정과 AI도 관리 대상에 편입되고 있다. 그러나 미파악 비인간 계정은 사각지대가 되고 있다. 이 같은 보이지 않는 계정은 새로운 취약 지점으로 부상하고 있다.

공격자는 미파악 비인간 계정 지점을 대상으로 자동화 공격에 나설 수 있다. 이런 환경에서 DB세이퍼 AI 어시스턴트는 탐지·분석·조치 절차를 통합하는 범위를 지원한다.

취약점 공개 후 실제 악용까지의 시간이 단축되면서 보안 담당자의 위협 대응 가능 시간은 감소했다. 동시에 보안 팀이 확인해야 할 로그와 정책은 증가해 보안 담당자의 부담이 가중됐다.

여기에 사용자·자원·권한·행위 간 관계를 파악하는 난도도 상승했다. 이 관계 해석은 인력에 의존하고 있으며, 인력이 직접 해석해야 할 필요성은 보안 대응을 더욱 어렵게 만들고 있다.

피앤피시큐어는 이 같은 보안 운영 복잡성을 완화하기 위한 방안으로 'DB세이퍼 AI 어시스턴트'를 공개했다. 회사는 레거시 보안 운영과 DB세이퍼 AI 어시스턴트 도입 환경의 비교도 제시했다.

'DB세이퍼 AI 어시스턴트'는 대화형 인터페이스를 제공하며, 관리자는 필요한 정보나 수행 작업에 대해 자연어 질의만으로 업무를 처리할 수 있다. AI는 질의 의도를 해석하고 결과 요약과 시각화 자료를 제공한다. 사진 출처는 피앤피시큐어다.

기존에는 관리자가 관리 콘솔 메뉴를 탐색해야 했고, 기간·사용자·서비스를 조회 조건으로 직접 입력한 뒤 로그를 검색하고 여러 결과를 비교하면서 정책 적용 관계와 원인을 스스로 판단해야 했다. 중요 의사결정을 담당하는 주체도 관리자였다.

AI 어시스턴트가 도입되면 메뉴 구조를 기억하거나 정보를 탐색해야 하는 부담이 줄어들고, 관리자는 해결하려는 업무에 더 집중할 수 있게 된다. AI는 기존 보안 정책과 운영 데이터를 바탕으로 정보를 탐색·정리하고 가능한 조치를 제안하며, 분석 결과와 관리 화면의 운영 흐름을 통합해 질문 처리 결과가 관리 작업으로 연결되도록 지원한다.

이 과정에서 AI의 답변은 실제 보안 운영 데이터와 업무에 특화된 형태로 제공된다. 답변은 세션·명령어·계정·객체·정책 등 관리 대상을 근거로 생성되며, 질문 의도는 보안 운영 맥락에서 해석되고 외부 정보의 임의 검색은 배제된다.

다만 분석 결과를 검토하는 역할은 계속 관리자에게 있고, 정책 변경의 최종 승인 역시 관리자가 맡는다. 이에 따라 가능한 조치의 제안은 AI가 담당하되, 최종 판단과 정책 변경 승인은 계속 관리자가 수행한다.

사진은 DB세이퍼 AI 어시스턴트의 자연어 기반 로그 탐색 제공 장면을 설명한다.

DB세이퍼 AI 어시스턴트는 자연어 질의응답 방식의 로그 탐색을 지원한다. 조회 기간·사용자·서비스 등 조건을 별도 검색 화면에 입력하지 않아도 자연어 질문만으로 관련 로그를 조회할 수 있다.

관리자는 최근 일주일 데이터베이스 접속 실패 건수를 요청하는 방식으로 질문할 수 있다. 질문이 처리될 때는 세션 로그·명령어 로그·통계 로그 등 관련 데이터를 검색 대상으로 삼는다.

검색 결과는 요약·차트 방식으로 제공된다. 이후 특정 사용자·서비스 중심 실패 집중 여부를 추가 질문으로 확인할 수 있으며, 이를 통해 분석 범위를 축소할 수 있다.

요약 정보만으로 판단하기 어려운 경우에는 웹 매니저 상세 화면으로 이동할 수 있다. 웹 매니저 상세 화면에서는 원본 로그를 직접 검토할 수 있다. 이 같은 대화형 분석은 기존 관리 기능과 연계되며, 대화형 분석 이후 실제 증적 확인까지 연결된다.

기존에는 관리자가 로그를 탐색하고 조건을 반복 입력하느라 시간을 써야 했다.

이 기능으로 관리자의 로그 탐색·조건 반복 입력 시간이 절감된다. 이에 따라 관리자는 이상 징후의 의미를 판단하는 일에 더 집중할 수 있다.

또한 접근권한 점검의 핵심은 주체별 접근 가능 대상과 보유 권한을 파악하는 데 있다. 그러나 운영 환경에서는 사용자·서비스·데이터베이스·서버·정책 정보가 다수의 관리 화면에 분산될 수 있다.

DB세이퍼 AI 어시스턴트는 객체·권한 가시성 확보 기능을 지원한다. 또 질의 기반으로 사용자와 자원 간 관계를 조회하고 시각화할 수 있게 한다.

예시 질의로는 사용자 A가 접근할 수 있는 모든 서비스와 권한을 보여달라는 방식이 있다. 이를 통해 사용자별·자원별 허용 정책과 사용자별·자원별 차단 정책, 명령어 수준 권한을 확인할 수 있다.

권한과 관리 현황을 관계도로 통합해 보면 분산 정보의 단일 관계도 확인이 가능하다. 이를 통해 과다 권한과 관리 사각지대의 점검 속도가 향상된다. 정기 권한 검토와 감사 대응 시에는 다중 화면과 자료 대조의 부담도 줄일 수 있다.

보안 정책 업무에서는 신규 추가보다 기존 정책과의 관계 판단이 난점으로 꼽힌다. 특히 적용 대상과 시간, 명령어, 정책 우선순위가 중첩되면 정책 충돌 요인이 발생한다. 이 같은 정책 중첩은 의도하지 않은 허용이나 차단으로 이어질 가능성이 있다.

이와 관련해 DB세이퍼 AI 어시스턴트의 정책 시뮬레이션 기능이 소개됐다. 이 기능은 관리자 요청을 정책 조건으로 정리하는 기능을 갖췄다. 또한 기존 정책과의 충돌 가능성과 예상 영향을 사전에 분석하고 적용 방안도 제안한다.

예시로 관리자가 재무 데이터베이스의 야간 접속 차단을 요청하는 경우가 제시됐다. 이때 AI는 대상 서비스와 사용자 범위, 적용 시간을 먼저 확인한다. 이후 확인된 조건을 바탕으로 정책안을 구성한다.

AI는 정책안을 구성한 뒤 기존 정책과의 충돌 여부를 살핀다. 아울러 추가 확인이 필요한 조건도 관리자에게 제시한다. 이 과정에서 기존 정책 충돌 가능성과 예상 영향의 사전 분석이 함께 이뤄진다.

이후에는 관리자의 검토와 승인을 거쳐 정책 적용 단계로 연계된다. 이 같은 흐름은 요청을 정책안으로 정리한 뒤 충돌 가능성과 영향을 미리 분석하는 절차를 전제로 한다. 최종적으로 관리자 확인과 승인을 거쳐 적용으로 이어지는 구조다.

이 AI는 관리자를 대체하는 것이 아니라 정책을 임의로 결정하는 일을 배제하는 데 초점을 뒀다. AI는 적용 전에 영향을 확인하고, 관리자의 최종 판단을 지원하는 방식으로 설계됐다. 이에 따라 수작업 정책 우선순위 계산 과정에서 발생하는 오류 감소와 시행착오 감소 효과를 겨냥했다.

이와 함께 실제 운영의 반복적 정책·객체 설정 업무를 자연어 기반으로 지원한다. 비지도 학습 기반 이상행위 탐지 지원 기능도 포함했다. 또한 대화형 UI 기반으로 객체 추가 지원, 서비스 가동·정지 지원, 보안계정 비밀번호 변경 지원, 보안계정 잠금 지원 기능을 제공한다.

다만 관리자용 AI 도구는 편의성만으로 충분하지 않다. 보안 시스템에 신규 기능을 추가할 때는 기존 서비스 안정성에 영향을 줄 가능성이 있다. 분석 목적의 내부 로그·정책 정보를 외부로 전송할 경우에도 새로운 위험이 생길 가능성이 있다.

이에 따라 DB세이퍼 AI 어시스턴트는 AI 기능을 별도 미들웨어로 분리했다. 핵심 접근제어 영역과 AI 처리 영역도 구분하는 구조를 택했다. 이는 기존 보안 시스템의 핵심 동작과 AI 기능을 나눠 운영하려는 방향에 따른 것이다.

이 같은 구조의 목적은 AI 기능 추가·변경에 따른 시스템 영향을 축소하는 데 있다. 동시에 고객 환경별로 유연한 구성이 가능하도록 했다. 기존 서비스 안정성과 데이터 보안을 해치지 않으면서 AI 기능을 적용하려는 설계 방향을 반영했다.

피앤피시큐어는 고사양 AI 인프라 부담 완화를 목적으로, CPU 기반 환경에서도 솔루션을 활용할 수 있도록 설계했다고 밝혔다. 이를 통해 고사양 인프라가 없는 환경에서도 활용할 수 있는 방안을 제시했다.

피앤피시큐어는 폐쇄망을 포함한 고객 환경 내에서 자체 운영이 가능한 프라이빗 LLM 구성도 지원한다고 발표했다. 이와 함께 프라이빗 환경에서는 로그·정책 데이터가 외부 AI 서비스로 전송되지 않으며, 고객 내부에서 처리할 수 있도록 했다고 설명했다.

또한 기능 확장을 위해 MCP(Model Context Protocol) 연동도 지원한다고 밝혔다. MCP는 AI와 외부 시스템·도구를 연결하기 위한 표준화 인터페이스다.

피앤피시큐어는 MCP를 고객이 사용하는 프라이빗 LLM과 AI 어시스턴트의 연계에 활용할 수 있다고 밝혔다. 아울러 내부 업무 시스템과 AI 어시스턴트의 연계에도 활용할 수 있다고 설명했다.

피앤피시큐어는 국내 주요 고객사를 대상으로 사전 검증을 진행했다고 발표했다. 그 결과 반복적 로그 조회 절차와 정책 확인 절차의 축소가 확인됐다. 사진은 피앤피시큐어가 제안하는 AI 시대 보안 복잡성 대응 방안이다.

한 고객사는 솔루션을 도입했다. 도입 전에는 기존 로그·통계 조회 업무를 처리하기 위해 여러 메뉴별로 조건을 설정하고 결과를 취합해야 했다. 감사 대응 준비를 위해서도 여러 화면의 자료를 수집할 필요가 있었다.

도입 후에는 로그·통계 조회 업무를 시작하는 방식이 자연어 질문으로 전환됐다. 이에 따라 일부 반복 조회 업무에서는 여러 메뉴를 경유해 자료를 취합하는 대신 자연어 질문으로 1차 결과를 확인할 수 있게 됐다. 여러 화면의 자료 수집이 필요했던 감사 대응 준비도 필요한 정보 범위를 축소할 수 있게 됐다. 테스트에 참여한 고객사 담당자는 제품에 비숙련한 담당자도 질문으로 필요한 로그·정책을 확인할 수 있게 됐고, 담당자 숙련도에 따른 운영 편차를 줄이는 데 도움이 되며, 감사 대응 자료 준비 과정도 간소화됐다고 밝혔다.

응답 시간·업무 단축 효과는 고객 환경·조회 범위에 따라 상이했다. 회사 관계자는 사전 검증을 통해 핵심 변화를 확인했다고 설명했다. 이어 관리자의 메뉴 구조·조회 방법 학습 시간이 감소했고, 필요한 정보 확인 방식의 일관성도 높아졌다고 전했다.

반복적 탐색·자료 취합이 감소하면 관리자 업무시간의 재배분이 가능해진다. 이에 따라 관리자는 이상 징후 의미 해석과 정책 적정성 판단에 집중할 수 있다. 사람의 전문성이 필요한 업무의 비중도 확대된다.

이미지 설명은 DB세이퍼 AI 어시스턴트 주요 가치이며, 사진은 피앤피시큐어라고 밝혔다. AI는 새 위험 요인이면서도 보안 운영 지원 수단이라는 이중 성격을 지닌다. 이와 함께 관리 대상 증가와 위협 증가도 이어지고 있다.

이 같은 환경에서 보안 관리자에게 더 많은 화면은 불필요하다. 보안 관리자에게 더 긴 매뉴얼도 불필요하다. 대신 필요한 운영 방식은 중요 정보 질의와 분석 결과 이해, 적절한 조치 연결이다.

DB세이퍼 AI 어시스턴트는 이를 위해 자연어 질의·로그 분석·정책 분석·후속 조치를 단일 흐름으로 기능 연계했다. 질의부터 분석, 후속 대응까지 연결하는 방식이다.

또한 AI 기능을 미들웨어로 분리하고 프라이빗 LLM 구성을 지원해 기존 시스템 안정성과 내부 데이터 보호도 함께 고려했다.

이진욱 피앤피시큐어 데브옵스(DevOps)팀장은 AI의 관리자 판단 대체가 불가하다고 밝혔다. 그는 AI의 기능이 방대한 데이터에서 판단에 필요한 정보를 신속하게 탐색하고, 복잡한 권한 관계와 정책 영향을 이해하기 쉬운 형태로 제시하는 데 있다고 설명했다.

이를 바탕으로 그는 보안 운영의 무게중심 전환이 필요하다고 말했다. 그는 '탐색'이 정보 추적을 뜻하고 '판단'이 위험 해석·결정을 뜻한다며, 보안 운영이 '탐색'에서 '판단'으로 옮겨가야 한다고 설명했고, DB세이퍼 AI 어시스턴트가 제시하는 방식을 AI 시대의 새로운 보안 운영으로 제시했다.

출처: 아이티데일리 (IT DAILY) · 김호준 기자
원문: https://www.itdaily.kr/news/articleView.html?idxno=242274

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=242274