최근 국가 차원의 가이드라인과 지침 등 컴플라이언스에서 AI 보안 솔루션을 직접 언급하면서 보안 산업에 큰 영향을 주고 있다. 공공시장을 중심으로 시작된 변화가 금융과 대기업, 공급망 등 민간 시장을 포함한 시장 자체에 빠르게 파급효과를 미치기 때문이다. 특히 N2SF(국가망보안체계) 가이드라인 해설서에서 보안 이벤트 실시간 대응에 필요한 기술로 AI 보안 솔루션을 언급하고, 국가정보원(AI 보안 가이드북, 사이버보안 실태평가 지표)과 과기정통부(생성형 AI 개발·활용을 위한 개인정보 처리 안내서) 등 'AI 보안 솔루션에 대한 도입 및 활용법'에 대한 가이드가 나오면서 'AI 보안업계'의 기대감이 더욱 높아지고 있다. AI 성장의 날갯짓이 불러온 AI 보안 솔루션의 성장 2026년 4월 등장한 앤트로픽(Anthropic)의 사이버보안 특화 AI '클로드 미토스'(Claude Mythos)는 이러한 변화에 방.을 찍었다. 자율적으로 코드를 분석하고 공격 코드를 짜며 직접 공격까지 시도하는 미토스는 AI는 물론 보안산업 전반에도 영향을 미쳤다. 미토스는 보안전문가나 보안 솔루션이 찾지 못했던 취약。을 찾아내고, 이를 실제 공격에 쓸 수 있는 익스플로잇으로 구현해냈다. OpenBSD의 27년 동안 찾지 못했던 네트워크 결함과 미디어 프레임워크 FFmpeg에서 16년 된 취약。을 찾아낸 것이다. 또한 몇몇 취약。의 경우 이를 악용하려면 고도화된 해킹 기술과 작업이 필요하기 때문에 패치 우선 순위를 낮추거나 예외 처리를 하는 경우가 많았는데, AI에 적용할 경우 바로 활용할 수 있게 되면서 보안 조직과 보안 솔루션이 기존 보안 취약. 위험도를 재평가하는 문제도 발생했다. 앤트로픽은 보안 특화 AI 미토스를 '방어하는 입장'에서 먼저 활용할 수 있도록 하는 글로벌 사이버보안 연합 이니셔티브 '프로젝트 글라스윙'(Project Glasswing)을 만들었고, 미국 정부는 국가 안보상의 우려를 들며 미토스의 수출 통제 지침을 발동했다. 이처럼 AI 성능이 급속도로 높아지고, 특히 보안 분야에서 그 성능을 입증하면서 AI 보안 솔루션에 대한 관심도 덩달아 성장했다. 이에 대해 안랩은 "AI가 사이버 공격의 본질을 완전히 바꾸기보다 공격의 속도(Speed), 규모(Scale), 자율성(Autonomy)을 크게 높이면서, 방어 역시 AI 중심으로 빠르게 전환될 것으로 보인다"면서, "특히 사이버보안에 특화된 AI의 역량이 빠르게 발전하면서, 취약. 탐색과 공격 경로 분석, 익스플로잇 생성 등 기존에는 상당한 전문성과 시간이 필요했던 공격 업무를 빠르게 수행할 수 있다"고 설명했다. 공격하는 입장에서도 AI를 이용해 훨씬 빠르고 대규모로, .차 자율적으로 수행할 수 있다는 것이 알려지면서, 방어 역시 개별 악성 행위를 탐지하는 수준을 넘어 여러 보안 영역에서 발생하는 대규모 신호를 빠르게 연결해 공격의 맥락과 전체 흐름을 파악하고, 필요한 판단과 대응까지 수행하는 방향으로 발전해야 한다는 것이다. 로그프레소는 "보안에 특화된 AI 모델이 잇따라 나오면서 범용 모델이 수행할 수 있는 보안 업무의 범위도 계속 넓어질 것"이라면서, "예를 들면, 취약。을 찾아내는 일, 공격 코드를 분석하는 일은 AI 모델이 더 잘한다면, 보안 솔루션은 탐지에서 분석, 대응까지 전 과정이 끊기지 않고 이어지도록 만드는 것에 집중해야 한다"고 설명했다. 대응의 범위도 넓어져야 한다는 입장이다. 로그프레소는 지금까지 자동 대응이 IP 차단이나 계정 잠금 수준에 머물렀지만, 실제 기업이 원하는 것은 취약。이 확인되면 해당 소프트웨어의 패치까지 이어지는 흐름이라면서, 모델이 위협을 식별하는 단계에서 멈추면 나머지는 여전히 사람의 몫으로 남는다고 말했다. 때문에 특화 모델을 어디에 붙이느냐보다, 그 모델이 만들어낸 판단이 실제 조치로 연결되는 경로를 확보하는 것이 중요하다는 것이다. AI스페라는 "과거에는 보안 솔루션 회사가 자체적으로 AI 모델까지 모두 만들어야 한다는 인식이 있었지만, 앞으로는 고성능 보안 모델을 활용하게 될 것"이라며 "결국 경쟁력은 어떤 모델을 썼느냐보다, AI에게 어떤 데이터를 보여주고, 실제 보안 업무와 어떻게 연결하느냐로 이동할 가능성이 높다"고 내다봤다. 특히 "사이버보안은 인터넷 환경이 매일 바뀌기 때문에 모델이 가진 보안 지식만으로는 충분하지 않아, 최신 IP·도메인·포트·인증서·취약。·악성 인프라와 같은 실제 관측 데이터가 지속적으로 공급돼야 한다"면서, "저희 역시 특정 LLM 하나에 종속되기보다는 Criminal IP가 보유한 대규모 위협 인텔리전스와 외부 공격표면 데이터를 다양한 AI 모델과 결합하는 방향으로 보고 있다"고 설명했다. 앞으로 보안 AI의 경쟁은 결국 '누가 가장 똑똑한 모델을 갖고 있느냐'보다 '누가 현실의 위협을 가장 빠르게 AI에게 보여줄 수 있느냐'의 경쟁이 될 것이라는 것이다. 쿼리시스템즈는 "사이버보안 특화 AI가 등장하면서 시장의 기대치가 올라가지만, 언어모델이 좋아진다고 탐지 문제가 저절로 풀리지는 않는다"면서, "어떤 트래픽이 그 조직에서 평소와 다른지는 그 조직의 네트워크를 계속 지켜본 쪽만 알 수 있다"고 강조했다. "외부로 데이터를 보낼 수 없는 환경은 아무리 뛰어난 모델이라도 선택지가 되기 어렵습니다. 결국 '가장 좋은 모델' 보다 '설치망 안에서 돌아가는 충분히 좋은 모델'이 실질적 승부처가 될 것입니다. 그래서 저희는 특정 모델에 종속되지 않고 언제든 교체할 수 있는 구조를 선택했습니다." 아울러 시큐리온은 보안 특화 AI의 등장으로 그동안 보안 분야에서 크게 관심받지 못했던 IoT 단말의 중요성이 부각되고 있다고 설명했다. AI를 이용해 그동안 찾기 어려웠던 취약。을 빠르게 찾아내고, 기존에 안전하다고 생각했던 부분에서 위험성이 커지면서 특히 IoT 단말의 보안이 중요해지고 있다는 것이다. "각종 IoT 단말을 취약。을 이용해 해킹하고, 여기서 얻은 정보를 이용해 중요 데이터가 있는 서버를 탈취할 수도 있습니다." 한국형 사이버보안 특화 AI 파운데이션 미토스 이후 프로젝트 글라스윙 결성이나 미국의 수출 통제 이후 보안 특화 AI에 대한 독자 모델의 중요성이 부각되면서 정부는 '사이버보안 특화 AI 파운데이션 모델 개발 사업'을 추진하기 시작했다. AI 기반 보안위협에 대한 대응은 물론 한국 보안기업들의 AI 전환까지 이뤄내는 것이 목표다. 2026년 8월 네이버 클라우드 컨소시엄과 SKT 컨소시엄이 최종 후보로 경쟁을 시작했고, 9월 과기정통부의 평가 결과 네이버 클라우드 컨소시엄이 선정됐다. 네이버 클라우드, LG그룹(LG U+, LG CNS, LG AI연구원), 보안 및 AI 기업, 공공 및 방산 기관 등 33개 산·학·연·공공기관과 함께한 네이버 클라우드 컨소시엄은 GPU 4256장을 자체 투입하면서 보안모델 개발에 나섰다. 특히 KISIA와 안랩 등 SKT 컨소시엄에 참여했던 국내 보안기업 등이 협력하겠다고 밝히면서 범 국가적 사이버보안 연합 방어 체계가 구축될 것으로 기대되고 있다. 김진수 KISIA 회장은 9월 14일 열린 기자간담회에서 "340여 회원사가 갖고 있는 보안에 대한 지식은 보안 특파모에 꼭 필요한 것으로, 네이버 클라우드와 협력할 것"이라고 밝혔다. 김유원 네이버 클라우드 대표 역시 9월 17일 열린 'CSK 2026'에서 "컨소시엄이 아닌 기업과의 협력도 논의 중"이라고 설명했다. 신천지게임하는곳 네이버 클라우드 컨소시엄에 참여한 로그프레소는 "이번 사업의 가장 큰 의미는 우리 보안 산업이 핵심 AI 기술에 대한 독립적인 역량을 확보한다는 데 있다"고 강조하면서, "고성능 사이버보안 AI는 국가 안보와 직결되는 기술로, AI 모델의 성능이 높아질수록 악용 방지와 안보를 이유로 공개 범위와 이용 대상이 제한될 가능성이 크다"고 설명했다. "해외에서 개발한 최첨단 모델을 앞으로도 언제나 자유롭게 사용할 수 있다고 전제해서는 안 됩니다. 여기에 전적으로 의존하면 국내 보안기업의 기술 발전과 위협 대응 역량까지 외부 공급자의 정책과 판단에 좌우될 수 있습니다. 우리가 직접 모델을 개발하고 개선할 수 있다면, 민감한 데이터를 외부에 보내지 않고도 기술을 검증하고 고도화할 수 있으며, 그 과정에서 축적되는 데이터와 연구 경험, 전문인력도 국내 산업의 자산으로 남습니다. 이는 한국이 사이버보안에서 독립적인 지위를 유지하기 위한 중요한 기반입니다." 역시나 네이버 클라우드 컨소시엄에 참여한 이스트시큐리티는 "산업 생태계 관。에서는 세 가지 의미가 있다고 본다. 첫째, 개별 보안기업이 각자 모델 개발에 투입해야 했던 비용과 시간을 줄여 준다. 둘째, 해외 모델이 상대적으로 학습하기 어려운 국내 위협 환경, 국내에서 주로 유포되는 악성코드, 국내 기관을 겨냥한 APT 캠페인, 한국어 기반 사회공학 공격에 대한 이해도를 높일 수 있다. 셋째, 데이터를 국외로 보내지 않고 AI를 쓸 수 있는 선택지가 생긴다. 공공·금융처럼 망분리가 필수인 영역에서는 이 。이 성능만큼 중요하다"라고 강조했다. 다만 파운데이션 모델 하나로 보안 문제가 풀리지는 않으며, 모델 위에 각 보안기업의 탐지·대응 기술과 운영 통제 체계가 얹혀야 실제 제품이 된다고 조언하면서, "그런 의미에서 이번 사업은 국내 보안 AI의 공통 기반을 만드는 일"이라고 설명했다. 씨티아이랩은 "이번 컨소시엄에 참여하고 있지는 않지만, 상용화되면 도입과 참여를 적극 검토할 의향이 있다"고 밝혔다. 국가 파운데이션 모델이 공용 인프라 역할을 해 준다면 업계 전체의 AI 도입 문턱을 낮추는 긍정적 효과를 기대할 수 있다는 설명이다. 다만 "실제 보안 관제 현장에서 위협을 탐지해 내는 것은 결국 도메인 데이터와 실전에서 축적된 경험일 것"이라고 보안 기업이 제공할 수 있는 데이터와 경험을 강조했다. AI를 품은 보안 솔루션 ▲국내 대표 AI 보안 솔루션-1 [출처: 보안뉴스] 그렇다면 보안 기업들은 보안 솔루션에 AI와 데이터를 어떻게 접목했을까? 로그프레소는 LLM과 sLLM, VLM, 머신러닝을 모두 지원하며, 고객사의 요구사항에 따라 모드 변경 방식으로 손쉽게 전환할 수 있게 했다. 모니터랩은 vLLM 기반의 LLM 서빙 환경에서 Qwen 계열의 LLM을 활용했다. 특히 AI 모델은 보안 위협 및 민감정보와 관련된 다양한 데이터를 활용해 보안 분석 목적에 맞게 최적했다. 시큐리온의 AI 기반 보안 솔루션은 모바일 안티바이러스 OnAV, 악성 앱 자동 분석 솔루션 OnAppScan 등으로, 머신러닝 기술이 핵심이다. 데이터(대상)를 분석해 악성 여부와 위험도를 가려내는 데 특화됐다. 씨티아이랩은 하나의 거대 모델에 의존하기보다 목적에 맞는 AI·ML 기술을 계층적으로 결합해 사용했다. 안랩은 AI 보안의 경쟁력이 특정 하나의 모델이 아니라, 보안 데이터·지식·제품·도구를 연결해 AI가 실제 보안 업무를 수행하도록 만드는 전체 시스템에 있다고 보고, LLM, 보안 특화 AI/ML 모델, AI 에이전트를 각각의 강。과 보안 업무의 특성에 따라 조합해 활용하고 있다. AI스페라는 머신러닝과 LLM 기반 AI 기술을 Criminal IP가 수집하는 전 세계 IP, 포트, 서비스, 인증서, 취약。, 악성 인프라, 다크웹 등 실제 인터넷 위협 데이터에 적용하고 있다. 공개된 보안 문서를 학습해 답변하는 AI를 넘어, 현실의 인터넷에서 지속적으로 변화하는 공격 표면과 위협 데이터를 분석해 자산의 위험도를 판단하고 새로운 악성 인프라나 침해 징후를 찾아내는 것이 핵심이다. 이스트시큐리티는 AI를 보안 제품에 덧붙이는 부가 기능이 아니라, 탐지 이후의 분석과 대응까지 이어지는 보안 운영 전반을 바꾸는 기술로 봤다. 제로가 보는 핵심 기술은 프론티어 LLM을 활용한 자율 의사결정이며, 작업 난이도에 따라 모델을 선택하고 별도의 검증 로직으로 실행 범위와 결과의 신뢰성을 통제하는 것이다. 사전학습된 상용·오픈소스 모델에 MITRE ATT&CK, CVE/NVD, CISA KEV, 벤더 보안 권고, 승인된 테스트 시나리오와 검증 결과를 결합해 활용한다. 쿼리시스템즈는 네트워크에서 위협을 직접 찾아내는 솔루션에는 머신러닝 기반의 다중 탐지 구조를 적용했으며, 관제 업무 자체를 돕는 AI 어시스턴트에는 폐쇄망 내부에서 직접 구동되는 경량 언어모델과 에이전트 구조를 적용했다. ▲국내 대표 AI 보안 솔루션-2 [출처: 보안뉴스] AI 보안의 걸림돌, 환각현상부터 비용문제까지 물론 AI가 완벽한 건 아니다. 아직까지 다양한 문제가 존재하기 때문이다. 대표적인 것이 '환각현상'(Hallucination)이다. 환각현상이란 AI가 사실이 아니거나 논리적으로 맞지 않는 거짓 정보를 마치 사실인 것처럼 그럴듯하게 지어내어 답변하는 것을 말한다. 이는 AI, 특히 LLM의 경우 정보를 '이해'하고 '검증'하는 것이 아닌 문맥상 앞에 나온 단어 뒤에 올 확률이 높은 '단어'(토큰)를 통계적으로 계산하는 것이기 때문에, 문법적으로는 문제가 없지만 사실관계가 틀린 문장이 만들어지기 때문에 발생한다. 이러한 환각현상은 완벽하게 해결하기 어렵기 때문에 업계에서는 이 잘못된 결과가 실제 행동으로 이어지거나 리스크로 이어지는 것을 막는 데 중.을 둔다. 예를 들면, 안랩은 AI의 판단의 정확도를 높이는 동시에 AI가 틀릴 수 있다는 전제와 그 판단이 실제 시스템의 중대한 행동이나 장애로 이어지지 않도록 통제하는 데 중。을 둔다. 또한 AI의 분석 결과만을 단일 근거로 활용하기보다는 기존 탐지 결과와 보안 데이터, 위협 인텔리전스 등 다양한 근거를 함께 활용해 판단의 신뢰도를 높인다. 모니터랩은 LLM이 자유롭게 답변을 생성하는 방식이 아니라, 사전에 정의된 26개의 보안 토픽을 기준으로 입력 프롬프트의 의미와 문맥을 분류·판단하도록 학습 및 최적화해 AI가 임의의 결과를 생성할 수 있는 범위를 제한하고, 보안 정책에 필요한 판단에만 집중하도록 구성함으로써 환각이 발생할 수 있는 영역 자체를 제한했다. AI 에이전트를 노린 프롬프트 인젝션이나 데이터 오염 공격에 대한 대응도 시급하다. 이에 대해 쿼리시스템즈는 AI 엔진 자체를 보호해야 할 자산으로 보고 △명령과 데이터의 분리 △권한 최소화 △학습과 지식의 오염 방지 △관측과 감사 등 4가지 대응방법을 적용하고 있고 밝혔다. 폐쇄망을 활용하는 방법도 제안된다. 로그프레소는 AI 엔진을 폐쇄망에서는 추론, 내부망에서 완결하는 구조로 운용함으로써 외부에서 모델에 직접 접근하는 경로 자체를 제한했다. 또한 모든 동작 로그를 실시간으로 모니터링하고 수행 동작에 대한 세부 분석 내용까지 저장하고 기록한다. 로그프레소는 에이전트의 자율성은 통제 가능한 범위 안에서만 의미가 있으며, 무엇을 할 수 있는지 명확히 정의하고 모든 동작을 검증 및 기록하는 구조가 곧 AI 엔진을 지키는 방법이라고 강조했다. 비용문제도 걸림돌이다. 모바일 바다이야기 5만원 사실 전문가들은 AI를 실제 서비스나 업무에 도입할 때 발생하는 문제는 모델 구축 단계보다, 서비스를 유지하고 운영하는 과정에서 지속해서 발생하는 추론(Inference) 비용과 인프라 운영비의 누적에서 비롯된다고 설명한다. AI스페라는 이러한 비용문제를 해결하기 위해 모든 보안 분석을 LLM에 맡기기보다 작업 난이도에 따른 모델을 선택적으로 사용하는 방식으로 비용을 줄인다고 조언했다. 단순 분류나 정형화된 분석은 경량 모델이나 기존 탐지 엔진으로 처리하고, 복잡한 추론이 필요한 경우에만 챗GPT나 클로드 같은 고성능 모델을 호출하는 방식을 쓴다는 거다. 제로 역시 결정론 우선 설계로 LLM 호출 자체를 줄인다고 말한다. 정형화된 작업은 결정론 코드가 처리하고, LLM은 꼭 필요한 지。에만 개입한다는 설명이다. 여기에 모델 티어링으로 기계적 작업에는 경량 모델을 배정하고, 반복 호출에는 프롬프트 캐싱으로 안정적 부분을 캐시에 태워 토큰을 아끼고 있다. 사용자가 기대하는 AI 접목 보안 솔루션 ▲국내 대표 AI 보안 솔루션 구축 사례 [출처: 보안뉴스] 앞서 설명한 것처럼 실제 보안담당자들은 보안에 대한 판단과 분석을 지원하는 AI에 대한 관심이 높아지고 있으며, 앞으로는 AI가 필요한 보안 업무까지 스스로 수행하는 방향으로 발전할 것으로 보고 있다. 실제 현장에서 보안담당자들이 보이는 초기 반응은 AI 적용 사실 자체에 대한 호기심보다 "실제 현장에서 운영이 가능한가?", "환각이나 오탐으로 인한 장애는 없는가?", "내부 데이터가 외부로 유출되지 않는가?"와 같은 실무적 유용성과 안전성에 대한 우려가 많다. 특히 완전 자율화에 대해서는 통제권 상실에 대한 우려로 경계심을 드러내는 경우도 있다고 업계에서는 지적한다. 하지만 기존 보안 시스템이 놓치던 미탐 위협을 실제로 찾아내거나, 수시간이 걸리던 악성코드 분석과 보고서 작성·인수인계 요약 등 반복 업무 시간이 대폭 단축되는 것을 체감할 때 반응은 긍정적으로 돌아서기도 한다. 보안 솔루션 업계에서 분석한 사용자가 원하는 AI 보안 솔루션의 '기능과 역할'은 크게 세 가지를 들 수 있다. 첫 번째는 챗봇을 넘어선 '조사·판단의 보조 도구'다. 단순한 탐지와 알람을 많이 주기보다는 그 문맥상의 위험을 정확히 이해하고, 어떤 위협인지, 어떤 대책부터 시행해야 하는지 등의 우선 순위와 대응 방향을 구체적으로 제시해주기를 바란다. 두 번째는 '통제와 근거 제시'다. 환각 문제로 서비스 장애를 유발하는 것을 막기 위해 AI가 판단하게 된 데이터와 근거를 사용자에게 제시해주고, 서비스 장애를 일으킬 수 있는 조치는 반드시 보안 담당자나 책임자의 승인을 거치는 것을 원했다. 세 번째는 '보안 운영 진입 장벽의 완화와 데이터 주권 보장'이다. 자연어 질의를 통해 누구나 숙련자 수준으로 보안 솔루션을 운영하고 보고서를 작성할 수 있도록 도와주고, 공공과 금융 등 엄격한 규제 환경에서도 내부 데이터의 유출 걱정없이 안전하게 구동되는 체계를 구축해주길 원한다. AI 보안 솔루션 사용자 설문조사 ▲AI 보안 솔루션 설문조사 [출처: 보안뉴스] 그렇다면 현재 보안전문가들은 'AI 보안 솔루션'에 대해 어떻게 생각할까? <보안뉴스>는 보안 담당자들의 의견을 듣기 위해 2026년 9월 16일부터 18일까지 3일간 약 10만명의 보안전문가들에게 설문조사를 실시했다. 이번 설문조사는 공공(18.2%)과 민간(81.8%)의 보안전문가 1287명이 답했다. 먼저 응답자들에게 AI 보안 솔루션을 도입했는지 물어봤다. 응답자의 56.6%는 '안했다'라고 답했으며, 28.3%는 '도입했다'고 답했다. 또한 15.1%는 '1년 이내 도입할 예정이다'라고 답했다. 그렇다면 AI 보안 솔루션을 도입한(예정 포함) 목적은 무엇일까? 응답자의 절반 이상인 53.5%는 '다양한 사이버 위협의 통합 모니터링 기능'을 선택했다. 이어 21.2%는 '방대한 보안 로그 및 경고(Alert) 분석 시간 단축'을, 11.1%는 '초보 보안 인력의 역량을 보완하는 가이드(자연어 질의응답) 제공'을 각각 선택했다. 또한 8.1%는 '제로트러스트 정책 등 복잡한 보안 설정의 자동화 및 최적화'를, 6.1%는 '오탐(False Positive) 감소 및 정탐률 향상'을 골랐다. 반대로 AI 보안 솔루션 도입이 망설여진다면 그 요인은 무엇인지도 물어봤다. 복수선택으로 응답을 받았더니 45.5%는 '도입 및 유지보수에 따른 비용 문제'가 가장 크다고 답했으며, 40.4%는 '기업 내부 민감 데이터의 외부 유출 우려'를 골랐다. 또한 37.4%는 'AI의 오판 및 환각(Hallucination) 현상으로 인한 신뢰성 부족'을 선택했다. 이어 20.2%는 '기존에 구축된 레거시 보안 시스템(솔루션)과의 연동성 부족'을, 18.2%는 '운용 인력 부족'을, 15.2%는 '망분리, CSAP, N2SF 등 보안 규제 및 컴플라이언스 충족의 어려움'을 각각 골랐다. 이번에는 구글과 마이크로소프트, 오픈AI와 앤트로픽 등의 보안 특화 AI를 사용하는지 물어봤다. 여러 제품을 동시에 사용하는 경우가 있을 것 같아 복수 선택으로 물어봤더니 응답자의 42.4%는 아직 '사용하지 않는다'라고 답했다. 38.4%는 '오픈AI의 챗GPT 등을 사용한다'고 답했으며, 24.2%는 '앤트로픽 클로드 등을 사용한다'라고 답했다. 또한 17.2%는 '구글 제미나이 시큐리티 등을 사용한다'를, 12.1%는 '마이크로소프트 코파일럿 시큐리티 등을 사용한다'를 골랐다. 이어 보안 특화 AI는 어떻게 활용하는지도 물어봤다. 35.4%는 '네이티브 플러그인 방식'(보안 특화 AI 플랫폼이 제공하는 내장 커넥터를 사용해 보안 솔루션에 개입)을 사용한다고 밝혔고, 35.4%는 'API 기반 자체 연동'(내부 개발진이 직접 파이프라인 구축)을, 29.2%는 '벤더나 SI 협력사를 통한 커스텀 연동'(솔루션 공급사나 SI 파트너사 엔지니어가 직접 연동 모듈 개발)을 각각 골랐다. 마지막으로 AI 보안 플랫폼 도입시 가장 중요하게 생각하는 선택 기준에 대해 묻자 37.4%는 '실제 위협 탐지 정확도 및 대응 자동화 수준'이라고 답했다. 15.2%는 'AI 판단의 설명 가능성(XAI) 및 환각(Hallucination) 제어 능력'을, 14.1%는 '폐쇄망(온프레미스) 구축 등 내부 데이터 보호 및 망분리 규제 충족 여부'를 각각 골랐다. 또 13.1%는 '초기 도입 비용 및 토큰/인프라 유지비'를, 8.1%는 '기존 이기종 보안 솔루션과의 원활한 연동 및 통합 지원'를 선택했다. 커지는 AI 해킹의 위협, 인간 중심의 '단계적 AI 보안'이 답이다 AI에 대한 관심과 기대감은 갈수록 높아지고 있지만, AI의 환각현상이나 데이터 유출, 운용비용 문제 등 현실적인 걸림돌로 인해 AI 보안 솔루션 도입을 망설이고 있는 고객이 많은 것이 사실이다. 이에 보안기업들은 '전면 대체가 아닌 단계적 도입'과 '통제권 확보를 통한 신뢰 형성'이 우선적으로 이뤄져야 한다고 강조한다. AI 보안 솔루션 도입이라는 거창한 목표가 아닌, 통제 가능한 범위 안에서 반복 업무부터 단계적으로 적용해 효용성을 검증하는 것이 먼저라는 조언이다. 즉, AI는 기존 보안 솔루션을 대체하는 것이 아닌 보안 담당자의 역량을 극대화하고 시간을 줄여주는 도구이며, 판단 속도 향상과 시스템에 영향이 적은 위협 분석과 요약, 반복 조사 업무부터 단계적으로 도입해야 한다는 거다. 파칭코슬롯 아울러 AI의 오판과 통제권 상실에 대한 우려는 사람이 직접 승인하는 안전장치나 AI 판단에 대한 근거 검증 체계를 갖춰 해소할 필요도 있다는 것이 보안 업계의 판단이다. 이미 AI 기반 위협은 현실이 됐으며, AI를 이용한 공격이 AI를 이용한 방어보다 더 쉽고 빠르다는 사실은 이미 잘 알려진 상황이다. 때문에 하루빨리 AI 보안 솔루션을 도입하고, AI를 활용한 보안 대책을 마련하는 것이 조직의 안전을 위한 선택이 될 것이다. [AI 보안 솔루션 집중분석-1] 안랩 AI 네이티브 보안 플랫폼 'AhnLab AI PLUS' AI 기반 공격, AI를 활용한 보안으로 대응하자 ▲AhnLab AI PLUS [출처: 안랩] 최근 보안 업계의 화두는 'AI를 활용한 공격에 어떻게 대응할 것인가'이다. 사실, AI가 공격에 활용하는 취약。과 잘못된 권한 설정, 관리되지 않는 계정은 이전에도 존재했다. 달라진 것은 이를 찾아내고 활용하는 속도다. AI는 취약.을 빠르게 탐색하고 여러 공격 경로를 조합해 반복적으로 실행할 수 있다. 그만큼 방어자가 위협을 파악하고 판단해 대응할 수 있는 시간은 줄어든다. 공격과 방어 간 갭(gap)을 메우려면 방어자들도 보안에 AI를 활용해야 한다. AI for Security, 에이전틱 AI와 함께 새롭게 정의하는 보안 안랩은 AI를 기존 제품에 추가되는 하나의 기능이 아니라, 보안 운영 전반을 연결하고 고도화하는 핵심 기술로 보고 있다. 이를 위해 자체 AI 플랫폼인 AhnLab AI PLUS를 중심으로 AI 기반 보안 운영 체계를 발전시키고 있다. AhnLab AI PLUS를 한 문장으로 정의하면, 안랩의 기술과 제품, 데이터와 서비스를 AI 중심으로 연결해 고객의 보안 문제를 해결하는 안랩의 AI 보안 플랫폼이자 전략이다. 안랩은 30년 이상 축적해 온 악성코드 분석 정보, 위협 인텔리전스, 침해사고 대응 경험을 AI가 활용할 수 있도록 체계화한다. 이를 기반으로 AI는 보안 이벤트를 분석하고, 위협의 맥락을 이해하며, 대응 방안을 제안하는 역할을 한다. AhnLab AI PLUS의 목표는 고객에게 더 많은 경보나 정보를 보여주는 것이 아닌, 중요한 것을 빠르게 찾고, 왜 중요한지 이해하고, 무엇을 해야 할지 결정하는 시간을 줄이는 것이다. 이 관.에서 안랩은 우선 'AI Powered SOC' 형태로 AI를 보안 운영에 적용하고 있다. 이 모델에서는 AI가 수만건의 무의미한 경보를 정제해 소수의 중요 인시던트(Incident)로 통합한다. AI가 초기 탐지와 분류를 맡고 플레이북을 통해 반복 업무를 자동화하면서, 분석가는 핵심 이벤트에 대한 심층 분석과 최종 의사결정에 집중할 수 있다. 안랩이 궁극적으로 지향하고 있는 방향은 AI-Native SOC다. 단순히 AI가 분석가의 업무를 보조하는 수준을 넘어, 탐지, 조사, 분석, 대응에 특화된 여러 자율형 AI 에이전트가 서로 소통하며 전 과정을 능동적으로 수행하는 체계다. 과거 수동 분석에 의존하던 방식에서 벗어나, 자연어 기반으로 위협을 추적하고 스스로 학습해 방어 규칙을 진화시키는 진정한 의미의 자율형 SOC 모델이다. 안랩은 자사 보안 플랫폼에 에이전틱 AI 역량을 지속적으로 적용하는 동시에 AI-Native SOC를 구현에 박차를 가해 고객을 위한 보안 운영 혁신에 .차 가까워지고 있다. Security for AI, 안전한 AI 사용 보장 안랩은 에이전틱 AI 보안 뿐만 아니라 AI 보안 & 거버넌스 역량도 함께 제공한다. 안랩의 자회사 안랩클라우드메이트가 제공하는 시큐어브리지(SecureBridge)는 프롬프트에 담긴 기밀·민감 정보를 선별적으로 탐지 및 차단하여 LLM에 학습되지 않도록 하고, 안전한 프롬프트는 그대로 전송해 데이터 유출 걱정 없이 AI를 자유롭게 활용할 수 있도록 한다. [AI 보안 솔루션 집중분석-2] 에이아이딥 DeepPrivacy·DeepPrivacy for Agent·DeepGenGuard로 생성형 AI 보안 강화 에이아이딥, 전주기 AI 보안 솔루션 선보여 ▲에이아이딥(AIDEEP) AI기반 개인정보보호 솔루션 [출처: 에이아이딥] AI 보안 전문기업 에이아이딥(AIDEEP)이 개인정보 보호, 생성형 AI 보안까지 아우르는 'AI 자율형 보안' 솔루션 라인업으로 주목받고 있다. AI 활용 접。이 확산되는 만큼, 각 접。의 보안 위협과 업무 리스크를 자동으로 탐지·차단하는 것이 핵심이라는 설명이다. 이런 관.에서 회사는 비정형 데이터와 소프트웨어 개발 주기 내 개인정보를 탐지 및 비식별화하는 AI DLP 'DeepPrivacy', 로컬 문서의 개인정보를 보호하는 'DeepPrivacy for Agent', 생성형 AI 운영 전 과정의 보안을 통합 관리하는 AI 개인정보방화벽 'DeepGenGuard' 등 세 가지 솔루션을 축으로 라인업을 구축해왔다. 비정형 데이터부터 SW 개발 주기까지, AI DLP 'DeepPrivacy' '딥프라이버시'(DeepPrivacy)는 LLM을 활용해 문서와 이미지 등 비정형 데이터는 물론, 소프트웨어 개발 주기(SDLC) 전반에 존재하는 개인정보를 탐지하고 가명·익명 처리하는 AI DLP 솔루션이다. 이 솔루션은 LLM 기반 개인정보 탐지 기술과 OCR 기술을 결합해 문서, 이미지 등 다양한 비정형 데이터에 포함된 개인정보를 추출·인식할 수 있도록 설계됐다. 또한 AI 활용 확대에 따른 법·제도 및 보안 가이드라인 변화에 대응해 개인정보보호법, AI 기본법, 과기정통부·국가정보원 AI 보안 가이드라인 등에서 요구하는 개인정보 보호·비식별화·민감정보 처리 기준을 지원한다. 원본이 밖으로 나가지 않는 로컬 완결형 개인정보 보호, 'DeepPrivacy for Agent' 기존 개인정보 보호 서비스는 문서를 외부 서버로 전송해 탐지·처리하는 방식이 주를 이뤄, 데이터 유출 우려와 기관 내 도입 장벽으로 작용해왔다. 에이아이딥의 'DeepPrivacy for Agent'는 문서 탐지부터 분석, 마스킹까지 모든 과정을 사용자 PC 내부에서 완결하는 로컬 퍼스트(Local-first) 방식으로 이런 한계를 넘어섰다. 원본 문서가 외부로 전송되지 않아 유출 사고 위험을 원천 차단한다는 설명이다. 이 솔루션은 한글(HWP), MS 오피스, PDF, TXT 등 다양한 포맷의 문서와 PC·특정 폴더를 정밀 검사해 숨겨진 개인정보를 찾아내고, 위험 。수와 보유 추이를 분석해 원본 손상 없이 텍스트는 물론 이미지 내 얼굴까지 선택적·일괄 마스킹 처리한다. 정기적인 스캔과 모니터링으로 신규 프라이버시 위험도 지속 관리하며, 고가의 GPU 없이 일반 사무용 PC(CPU) 환경에서도 원활히 동작하도록 경량화한 。이 특징이다. 조직 단위로는 정책 준수율과 감사로그만 집계하는 비즈니스 플랜, 폐쇄망 배포와 기업 전용 탐지 모델(Private AI) 등 엔터프라이즈 플랜으로 확장 적용할 수 있다. 생성형 AI 운영 전 과정을 지킨다, AI 개인정보 방화벽 'DeepGenGuard' LLM·RAG 기반 생성형 AI 시장이 빠르게 성장하면서 보안 요구도 함께 확대되고 있다. 권한 없는 기밀문서 접근, 질문·첨부파일·AI 답변을 통한 개인정보 유출, 조작된 질문을 통한 보안 우회 등은 기존 보안 체계로 대응하기 어려운 생성형 AI 특유의 위협으로 꼽힌다. 에이아이딥의 'DeepGenGuard'는 이런 위협에 대응하는 생성형 AI 특화 전주기 통합 보안 솔루션이다. 황금성나비 API/Proxy 게이트웨이 방식으로 기존 LLM 환경에 종속되지 않고 유연하게 연동되며, 질문·첨부파일·AI 답변 속 개인·민감정보를 자동 탐지해 마스킹하는 'AI 개인정보방화벽' 기능을 갖췄다. 또한 질문 의도를 분석해 프롬프트 인젝션과 탈옥(Jailbreak) 시도를 사전 차단한다. 사용자 역할(RBAC) 기반으로 Vector DB 접근 범위를 세분화해 허가된 문서만 검색·답변에 활용하도록 통제하며, SBOM 기반으로 모델·데이터의 출처와 변경 이력을 관리해 데이터 포이즈닝 등 공급망 위협도 탐지·격리한다. 전 과정의 보안 이력을 통합 대시보드로 추적할 수 있어, N2SF(국가 망 보안체계) 환경의 정보 이동·접근·위협 보안까지 폭넓게 지원한다. 개인정보 보호부터 생성형 AI까지... 에이아이딥의 다음 행보 에이아이딥은 개인정보가 발견되는 접.부터 생성형 AI 운영 전 과정에 이르기까지 각기 다른 영역에서 발생하는 AI 보안·업무 리스크에 대응하는 솔루션 라인업을 갖추고 있다. 앞으로도 AI 활용이 확산되는 만큼 강화되는 개인정보 보호 및 AI 보안 관련 규제와 가이드라인에 발맞춰, 기관과 기업이 신뢰할 수 있는 AI 자율형 보안 환경을 구축할 수 있도록 솔루션 고도화를 지속할 계획이다 [AI 보안 솔루션 집중분석-3] 엔키화이트햇 실전 해커 지식과 AI 기술 결합... 비즈니스 환경에 최적화된 지능형 상시 。검 체계 구축 엔키화이트햇, AI 기반 웹 어플리케이션 침투테스트 자동화 솔루션 'OFFen AI DAST'로 AI 위협 선제 대응 ▲OFFen AI DAST [출처: 엔키화이트햇] AI를 활용한 사이버 위협이 기하급수적으로 증가하면서 기존 방어 중심의 수동적인 보안 .검만으로는 쏟아지는 위협과 사각지대를 해소하기 어려워졌다. 이에 따라 공격자 관。에서 선제 대응하는 '오펜시브 보안'(Offensive Security) 체계 확립이 필수적인 시대로 접어들었다. 오펜시브 보안 전문 기업 엔키화이트햇은 실전 해커 지식을 자산화하고 이를 자동화 기술로 구현한 AI기반 웹 어플리케이션 침투테스트 자동화 솔루션 'OFFen AI DAST'(오펜 AI DAST)를 통해 새로운 보안 기준을 시장에 제시하고 있다. 기존 DAST 도구의 룰 기반 탐지 한계를 보완한 'OFFen AI DAST' '오펜 AI DAST'는 기존 DAST 도구의 룰기반 탐지 한계를 보완하고 보안 .검 전 과정을 하나의 흐름으로 자동화하는 지능형 솔루션이다. AI가 고객 서비스의 구조와 맥락을 분석해 다각도의 공격 시나리오를 생성한다. 취약.의 실제 악용 가능성을 직접 。검함으로써, 보안 담당자의 수작업 .검 부담과 오탐률을 획기적으로 낮췄다. '오펜 AI DAST'는 。검부터 이행 확인, 보고서 생성에 이르는 전 과정을 자동화하여 끊임없이 발생하는 보안 위협에 실시간으로 대응할 수 있는 상시 .검 인프라를 제공한다. 복잡한 인증 환경 완벽 지원... 서비스 장애 없는 '가드레일' 기능 적용 오펜 AI DAST는 엄격하고 복잡한 보안이 요구되는 기업 환경에 최적화되어 있다. 공동인증서를 포함한 복합 인증 체계와 내부 보안 솔루션을 완벽히 지원하며, 라이브 로그인 기반의 자동 인증으로 웹 서비스 표면은 물론 복잡한 인증 절차를 거친 내부 페이지까지 연속적으로 .검한다. 특히, 운영 중인 서비스에 장애가 발생하지 않도록 위험 명령어 실행, 게시물 도배, 무분별한 계정 생성 등을 통제하는 '가드레일' 기능을 적용해 24시간 안전한 상시 。검 환경을 제공한다. 이성권 엔키화이트햇 대표는 "실전 해커 지식과 AI 기술력이 결합된 독보적인 보안 기술력을 바탕으로 기업 비즈니스 운영에 지장 없는 안정적인 보안 환경을 제공하겠다"고 밝혔다. 실시간 진단 현황 모니터링 '오펜 AI DAST'는 보안 담당자의 업무 가시성과 편의성을 극대화했다. AI 엔진은 타깃 공격 환경을 지속적으로 분석해 위험 요소를 실시간으로 탐지하고 즉시 대응할 수 있도록 지원한다. 또한, AI의 공격 시도와 진단 현황을 실시간으로 확인할 수 있는 모니터링 기능을 제공한다. 이를 통해 보안 담당자는 전체 .검 과정과 결과를 보다 직관적으로 파악할 수 있어 한층 효율적이고 체계적인 취약。 관리가 가능하다. 기업은 '오펜 AI DAST'를 도입해 대규모 웹 서비스의 취약.을 상시 。검하고 신속한 위협 대응 체계를 갖출 수 있다. 진단부터 이행 .검, 보고서 생성에 이르는 전 과정이 자동화돼, 보안 담당자의 업무 부담을 해소하고 운영 효율성을 높일 것으로 기대된다. 이성권 엔키화이트햇 대표는 "실전 해커 지식과 AI 기술력이 결합된 독보적인 보안 기술력을 바탕으로 기업 비즈니스 운영에 지장 없는 안정적인 보안 환경을 제공하겠다"고 밝혔다. 에이전트 빌더로 조직별 역할과 권한 설정 로그프레소 AIP, 조직을 이해하고 판단 근거를 남기는 에이전틱 SOC ▲보안 이벤트 분석 과정에서 판단 근거와 조치 내역을 남기는 로그프레소 에이전틱 SOC [출처: 로그프레소] 로그프레소가 보안 운영에 AI 에이전트를 적용하는 플랫폼 "로그프레소 AIP"로 SOC 운영 전 과정의 자율화에 나선다. AI가 얼마나 많은 업무를 처리하는지보다 조직이 AI에게 업무를 맡길 수 있는 조건을 갖추는 데 초.을 둔 접근이다. 에이전틱 AI, 관제 인력 부족의 구조적 해법 보안관제 조직의 어려움은 인력 확보에서 시작된다. 24시간 관제 체계를 유지해야 하지만 교대 근무 기피 현상이 심하고 인건비 부담도 크다. 채용에 성공해도 SIEM 쿼리 문법과 연동 제품별 콘솔 사용법을 익혀야 실무에 투입되기 때문에 즉시 전력화가 어렵다. 그사이 경보는 계속 쌓이고, 분석가는 오탐 검증에 시간을 소모한다. 로그프레소는 AIP로 이 문제를 정면으로 다룬다. AIP는 정해진 주기나 사람의 요청이 아닌 티켓 생성 시。을 실행 조건으로 삼는다. 경보가 티켓으로 올라오면 담당자의 개입없이 에이전트가 즉시 조회와 근거 대조, 1차 판정을 수행한다. 야간이나 주말에 발생한 경보도 발생 시。에 검증돼 탐지와 대응 사이의 공백이 사라진다. 숙련도 문제도 함께 해소된다. 자연어만으로 연동된 보안 제품을 제어하고 데이터를 조회할 수 있어 쿼리 문법이나 개별 콘솔 사용법을 익힐 필요가 없다. 담당자가 자연어로 지시하면 에이전트가 쿼리를 생성해 데이터를 조회하고, 위협 현황 대시보드 구성과 탐지 시나리오 작성, 보고서 초안까지 처리한다. 현재 경보의 진위 판별과 차단 여부 결정, 개별 이벤트를 연결한 위협 헌팅까지 일선 관제 업무를 에이전트가 자율 수행하고 있다. 조직마다 다른 환경, 에이전트를 직접 설계해야 AI 보안 도구 도입에서 자주 지적되는 문제는 벤더가 정의한 에이전트가 조직 환경과 맞지 않는다는 .이다. 인가 대역과 공용 계정 운영 방식, 해외 근무자의 접속 경로는 조직마다 다르다. 이 조건을 모르는 에이전트는 정상 접속을 위험으로 판정하거나 그 반대의 오류를 낸다. 완성된 형태로 제공되는 에이전트가 현장에서 겉도는 이유다. AIP는 에이전트 빌더를 통해 스킬과 쿼리 명령어, 서브 에이전트를 조직이 직접 정의할 수 있도록 했다. 에이전트의 역할과 제약 조건, 배경 지식을 지시서 형태로 작성해 조직 정책과 인프라에 맞는 에이전트를 설계하는 방식이다. 티켓 검증에 필요한 맥락은 배경 지식과 조회 권한, 판정 이력이라는 세 경로로 전달된다. 공용 계정 목록과 인가 대역 같은 사내 조건이 배경 지식으로 입력되고, 자산 데이터와 연계 티켓, 인증·엔드포인트 로그가 조회 대상이 된다. 같은 계정의 과거 오탐 판정 결과도 함께 참조한다. 야마토게임다운 사람이 티켓을 검증할 때 확인하는 것과 같은 맥락을 갖추게 되는 셈이다. 벤더가 제공하는 에이전트에 의존하지 않고 조직이 에이전트를 직접 키워가는 구조다. 자율 실행과 통제권의 양립이 도입의 관건 자율 실행이 확대되면 통제권 문제가 따라온다. 핵심 서버나 결제 시스템을 공격으로 오인해 차단하는 상황은 자율 실행만으로는 막을 수 없다. AI 도입을 검토하는 조직이 가장 먼저 우려하는 지。도 여기다. AIP는 실행 범위를 되돌릴 수 있는지를 기준으로 나눈다. 조회와 근거 대조, 1차 판정, 기록은 허용된 범위에서 에이전트가 자율 수행하고, 계정 잠금이나 IP 차단처럼 되돌릴 수 없는 명령은 에이전트가 제안하고 담당자가 최종 승인한다. 데이터 조회부터 API 제어까지 모두 쿼리 명령어로 구분돼 있어, 허용 명령어 범위를 지정하는 방식으로 에이전트가 할 수 있는 일의 범위를 정한다. 여기에 수행 이력과 판단 근거를 함께 제시한다. 결론만 남기지 않고 판정의 각 단계와 그 단계에서 참조한 근거를 실행 기록으로 보존해, 담당자가 AI의 판단 과정을 확인할 수 있다. 로그프레소에 따르면 현장에서 가장 반응이 좋은 지.도 설명할 수 있는 AI다. 판단 근거가 전 과정 기록으로 남기 때문에 자율 운영을 맡기면서도 결과를 신뢰할 수 있다는 것이다. 오류가 확인된 단계는 지시서를 수정해 다시 실행하는 방식으로 개선한다. 로그프레소는 한국인터넷진흥원의 2026년 통합보안 모델 개발 시범사업에서 에이전틱 AI 기반 자율형 통합보안운영 플랫폼 개발을 주관하고 있다. 모니터랩·샌즈랩·테이텀이 참여하며 10월부터 실증에 들어간다. 네이버클라우드 컨소시엄의 사이버보안 특화 AI 파운데이션 모델 개발 사업에도 참여 기관으로 함께한다. 로그프레소는 "AI가 얼마나 많은 업무를 자율적으로 수행하는지만으로는 충분하지 않다"며 "조직의 환경을 아는 에이전트가 판단 근거를 남기며 일하고, 중요한 결정은 사람이 내리는 구조가 갖춰져야 AI에게 보안 운영을 맡길 수 있다"고 밝혔다. [AI 보안 솔루션 집중분석-5] 윈스테크넷 N2SF 도입과 AI보안체계 강화... 프롬프트·MCP·네트워크 3중 방어로 안전한 AI활용 지원 생성형 AI 시대, 정보보안을 지키는 'SNIPER AIVAX' ▲윈스테크넷 SNIPER AIVAX [출처:?윈스테크넷] 생성형 인공지능(AI)이 업무 생산성을 높이는 핵심 도구로 자리 잡으면서 기업과 공공기관의 AI 활용이 확대되고 있다. 하지만 프롬프트에 입력한 개인정보와 기업 기밀이 외부 AI 서비스로 전송되는 등 새로운 정보유출 위험도 커지고 있다. 이에 공공·금융권을 중심으로 AI 활용과 보안 통제를 함께 고려하는 환경이 조성되면서 안전한 AI 활용을 지원하는 보안솔루션의 필요성이 높아지고 있다. 한국인터넷진흥원이 2026년도 국가망보안체계(N2SF) 도입 지원사업을 추진하는 등 공공기관의 정보서비스 보안체계도 변화하고 있다. N2SF는 업무 정보를 기밀(C)·민감(S)·공개(O) 등급으로 분류해 보안 수준을 차등 적용하는 체계다. 생성형 AI 활용 등 새로운 정보서비스 모델의 보안성을 검증하는 실증사업도 추진될 예정인 만큼, AI 활용과 정보보호를 함께 관리하는 시장이 본격화될 전망이다. AI 활용 확대, 프롬프트 단계부터 보안이 필요하다 정보보안 전문기업 윈스테크넷의 'SNIPER AIVAX'는 생성형 AI 서비스 이용 과정에서 발생할 수 있는 정보유출과 보안 위협을 예방하는 AI 프롬프트 보안솔루션이다. SNIPER AIVAX는 프롬프트에 포함된 민감 데이터를 자동으로 검출하고 외부 AI 서비스로 전송되기 전에 차단한다. 악의적인 프롬프트 인젝션과 데이터 탈취 시도에도 대응하며, 보안정책 수립과 감사·이력 관리 기능을 통해 안전한 AI 활용을 지원한다. 프롬프트·MCP·네트워크를 아우르는 3중 보안체계 SNIPER AIVAX는 △프롬프트 보안 △MCP 보안 △네트워크 보안을 결합한 3중 방어체계를 구축한 것이 특징이다. 프롬프트 단계에서 정밀 분석과 정책 기반 통제를 수행하고, AI 모델과의 통신 구간은 MCP 보안으로 보호한다. 여기에 기존 네트워크 보안과 연계해 생성형 AI 이용 과정에서 발생할 수 있는 민감정보 유출과 악의적인 공격을 다계층으로 통제한다. 윈스테크넷은 2026년도 N2SF 도입 지원사업에서 성평등가족부 지원사업의 주관기업으로 선정돼 컨소시엄을 구성하고 기관의 보안체계 도입을 지원할 예정이다. SNIPER AIVAX는 다양한 글로벌 LLM 서비스에 적용할 수 있으며, 클라우드와 온프레미스 구축을 모두 지원한다. 이에 따라 외부 AI 서비스에 대한 내부 통제와 감사 요구가 높은 공공·금융기관에서도 기관별 보안정책과 인프라 환경에 맞춰 활용할 수 있다. N2SF 등 새로운 보안체계 도입이 확대되는 가운데, SNIPER AIVAX는 AI 서비스 이용 단계에서 발생할 수 있는 보안 공백을 보완하고 기업과 기관의 안전한 AI 활용을 지원하는 솔루션으로 주목받고 있다. [AI 보안 솔루션 집중분석-6] 쿼리시스템즈 고객망 안에서 학습·판단하는 폐쇄망 AI로 공공·금융 관제 환경에 최적화된 대응 체계 제시 쿼리시스템즈, AI 보안관제 라인업 'QTIE AI NDR·QAiRA' 앞세워 지능형 보안관제 시장 공략 ▲'QTIE AI NDR'과 'QAiRA' [출처:?쿼리시스템즈] 클라우드 전환과 공급망 공격 확대로 네트워크 트래픽이 늘면서, 관제 조직은 쏟아지는 경보를 사람이 모두 확인하기 어려운 상황에 놓였다. 게다가 공공기관과 금융권은 내부 데이터를 외부로 내보낼 수 없어 클라우드 기반 AI 서비스를 쓰기도 어렵다. 통합보안 전문기업 쿼리시스템즈는 인공지능 네트워크 탐지·대응 전용 솔루션인 'QTIE AI NDR'과 보안관제 전용 AI 어시스턴트 플랫폼 'QAiRA'를 앞세워, 고객망 안에서 학습하고 판단하는 AI 보안관제 체계를 제시하고 있다. 해외 브랜드가 선.한 자기학습형 NDR, 국산 대체 노리는 'QTIE AI NDR' QTIE AI NDR은 네트워크 트래픽 복제본을 분석해 알려진 공격과 알려지지 않은 이상 행위를 함께 탐지한다. 시그니처 계층 위에 평소 분포에서 벗어난 정도를 보는 통계 계층, 값의 형태를 보는 행위 계층, 흩어진 사건을 하나로 묶는 상관 분석 계층을 쌓아 변형된 공격까지 잡아낸다. 자기학습형 이상 탐지는 해외 브랜드가 선。해 온 영역으로, 회사는 이를 대체할 국산 솔루션으로 내세우고 있다. 회사가 강조하는 차별。은 '근거'다. 자기학습형 제품은 판단 과정이 모델 안에 가려져 담당자가 왜 이 경보가 떴는지까지 확인하기 어렵다는 지적을 받아왔다. QTIE AI NDR은 어떤 항목이 평소와 얼마나 달랐는지, 기준선은 어떤 값이었고 학습 표본은 충분한지를 문장으로 함께 제시한다. 기준선 역시 외부 데이터셋이 아니라 고객사 네트워크에서 요일·시간대별로 직접 학습한 값이어서, 담당자가 근거를 보고 스스로 판단할 수 있다. 완전 자율 관제를 목표로 하는 AI 어시스턴트 플랫폼 'QAiRA'(카이라) QAiRA(카이라)는 SIEM·SOAR·AI NDR이 통합된 QTIE 플랫폼 위에서 동작하는 보안관제 전용 AI 어시스턴트 플랫폼이다. 탐지 로그 분석, 위협 지표 확인, 패킷 분석, 관제 보고서 작성처럼 매일 반복되는 업무를 대화 한 번으로 처리하고, 모든 답변에 근거가 된 원본 로그를 함께 제시한다. 차단처럼 영향이 큰 조치는 담당자 승인 후에만 실행된다. 회사가 내건 최종 목표는 사람의 지시 없이 탐지부터 조사·조치·보고까지 스스로 수행하는 완전 자율 관제로, 검증 이력이 쌓이는 만큼 자동 처리 범위를 단계적으로 넓혀 간다는 구상이다. 며 미토스의 수출