2968억 ‘AI 사이버 쉴드돔’ 첫발 뗀다…"AI로 국가 해킹 탐지·대응 맡는 K-방어막 개발" 작성일 11-22 11 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">[DX발주노트] 3개 실증기관 망분리 운영망 설치해 현업 전환까지</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="zJ7yQRKplO"> <figure class="figure_frm origin_fig" contents-hash="1d435514934e736d683cfa0d9e4d0df79a63dcbc4cffe40e6ed877dfff3785e7" dmcf-pid="qizWxe9UTs" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/22/552796-pzfp7fF/20261122060021474sxxs.png" data-org-width="605" dmcf-mid="75DRWHOcCI" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/22/552796-pzfp7fF/20261122060021474sxxs.png" width="658"></p> </figure> <p contents-hash="8150e5b960d2769ac9c3b2328bbc5ad3a316dd40cc3bb8e523e776ac24ec792b" dmcf-pid="BnqYMd2uSm" dmcf-ptype="general">[디지털데일리 박재현기자] 정부가 AI 에이전트를 활용해 보안 위협 탐지부터 대응까지 맡는 국산 통합보안관제 체계 개발에 5년간 2968억원을 투입한다. 데이터 수집, 판단 엔진, 공격·방어 에이전트, AI 자기방어 등을 16개 과제로 나눠 개발한 뒤 하나로 묶는 구조다. 결과물은 3개 실증기관의 망분리 운영망에 설치하고 사업 기간 내 현업 운영으로 이식한다.</p> <p contents-hash="8b2744fef7dc1c8301499bae9256a538b651baa2f92c9148fe03e368fa832085" dmcf-pid="bLBGRJV7Wr" dmcf-ptype="general">IT업계에 따르면, ‘AI 사이버 쉴드돔 기술개발’ 사업은 총괄과제 1개와 세부과제 15개로 짜였다. 연구개발 기간은 2027년 4월부터 2031년 12월까지 57개월이다. 첫해인 2027년에는 550억원이 배정됐다. 예산은 2·3차년도에 몰린다. 2028년과 2029년에 각각 721억원 안팎이 들어가고, 실증·전환 단계인 4·5차년도에는 과제별로 줄어든다.</p> <p contents-hash="f6335d3b36c62db28e612a6da59e5e59e97b47b11ee85a62a20942003fabc4a5" dmcf-pid="KobHeifzlw" dmcf-ptype="general">사업은 4개 계층으로 나뉜다. 보안데이터 계층은 4개 과제에 665억원, 엔진 계층에는 4개 과제에 882억원이 배정됐다. 에이전트 계층 4개 과제는 577억원, 거버넌스 계층 3개 과제는 511억원이다. 단일 과제로는 총괄과제가 332억원으로 가장 크다. 다음으로는 보안특화 추론 파운데이션 모델 302억원, AI 보안관제센터(AI-SOC) 판단 모델 269억원이 큰 규모 과제다.</p> <p contents-hash="99df9f4df999226cc5f7251cb53274a6a387c17c4c27b2c58c8332f5d251e710" dmcf-pid="9gKXdn4qyD" dmcf-ptype="general">이번 AI 사이버 쉴드돔 개발은 빨라지는 공격 속도에 대응하기 위해서다. 국가 배후 그룹이 AI 에이전트로 정찰·취약점 공격·자격증명 탈취 등 전술 작업의 80~90%를 자율 수행해 약 30개 기관을 공격한 사례가 지난해 11월 확인됐다. 실행 중에 거대언어모델(LLM)을 불러 스스로 코드를 바꾸는 악성코드도 실제 공격에 쓰였다. 사람이 경보를 확인하고 승인하는 기존 관제 방식으로는 대응이 어렵다는 진단이다.</p> <p contents-hash="02fb448527bdbc39723fe269b9537e35dd7b1bdbfd9c8e2524aa31133f208d07" dmcf-pid="2a9ZJL8BWE" dmcf-ptype="general">해외 상용 제품은 아직 망분리 환경에 맞지 않는다. 마이크로소프트, 구글, 크라우드스트라이크, 팔로알토네트웍스가 지난해 보안 AI 에이전트를 잇달아 내놨지만 경보 분류·조사에 집중돼 있다. 차단·패치 같은 실제 조치는 사람 승인을 전제로 한다. 대부분 클라우드 서비스형이어서 인터넷과 분리된 공공기관 망에는 그대로 들이기 어렵다. 국내는 보안정보·이벤트관리(SIEM), 엔드포인트 탐지·대응(EDR) 등 개별 제품 경쟁력은 갖췄지만 제품마다 데이터 모델이 달라 현장에서 수작업으로 연계하는 실정이다.</p> <p contents-hash="847072d132c75cc65a078d4ef55cc15c3ff0d6e36185799bfe0dfb1da773028c" dmcf-pid="VN25io6byk" dmcf-ptype="general"><strong>◆ 총괄과제에 332억…실증기관 현업 전환까지 책임</strong></p> <p contents-hash="a21c5759c140a89490a8e12bfa703d4b1a7c4902c423611ccd6fe9506efb9f73" dmcf-pid="fc4FoNx2lc" dmcf-ptype="general">총괄과제에는 ‘완성 제품 책임’이 걸렸다. 실증기관이 사업 종료 즉시 쓸 수 있도록 실증 하드웨어, 설치 패키지, 운용 문서, 운영자 교육, 기술지원 체계를 사업 기간 안에 갖춰야 한다. 본지가 입수한 RFP에 따르면 국가 R&D 기술활용률이 3.8%(2019년)에 그쳐 과제별 독립 개발·평가 관행으로는 실사용 전환이 어렵다.</p> <p contents-hash="028b0ec2e16389adcabc5af9457515c586821709f07c4d031f8c6b2bf2a0b764" dmcf-pid="4k83gjMVvA" dmcf-ptype="general">총괄과제는 실증기관을 대신해 요구사항과 인터페이스를 통제한다. 요구사항마다 고유 ID를 매겨 설계·구현·시험까지 추적하고 과제별 입출력 데이터와 인터페이스 규격을 기계가 읽을 수 있는 형태로 정의한다. 1차년도부터 월 단위 인터페이스 통제회의를 연다. 기준선 확정과 변경은 과기정통부·정보통신기획평가원(IITP)이 참여하는 운영위원회가 의결한다.</p> <p contents-hash="ae73bcb14b15977e5e0c1d6fc702efa138b96a2ecdbb3aeaf18b87bb095ab01b" dmcf-pid="8E60aARfvj" dmcf-ptype="general">일정은 기술성숙도(TRL) 단계로 묶였다. 2차년도 말 제한 시나리오로 1차 통합시험(TRL 6)을 치르고 3차년도 말 개발시험으로 개발 완료(TRL 7)를 확인한다. 4차년도 초기 테스트베드 장비를 실증기관으로 옮겨 설치하고, 같은 해 운용시험에서 운용 적합 판정(TRL 8)을 받아야 한다. 현업 전환은 5차년도 하반기다.</p> <p contents-hash="02ce0becd278f56ec8c62354af827be7eea86224092a44360493b641a545af60" dmcf-pid="6DPpNce4vN" dmcf-ptype="general">정량 목표도 제시됐다. 3개 실증기관 현업 운영 전환, 실증기관 외 공공기관 3곳 이상 도입 준비 완료(도전 목표 5곳), 한국정보통신기술협회(TTA) 단체표준 2건 채택, 통합 패키지 굿소프트웨어(GS)인증 1등급이다. GS인증 취득은 제품화를 맡은 기관이 수행한다.</p> <p contents-hash="2cedf1da1ff9577180cbb1dbdf7abcda0f9c62cab72dcfdad45d0058eaf9c68a" dmcf-pid="PwQUjkd8va" dmcf-ptype="general">세부과제 가운데 9개는 3개 세부그룹으로 묶여 컨소시엄 단위로 선정된다. 판단 모델·탐지 엔진·정책관리 에이전트로 짜인 AI-SOC 그룹은 563억원 규모다.</p> <p contents-hash="0ff4ed90462faa60b92a4b490b1a7ce3e31cb67c3007dd171a428a96b54dc8db" dmcf-pid="QrxuAEJ6lg" dmcf-ptype="general">보안특화모델을 중심으로 취약점 탐색 엔진, 공격·방어 에이전트, 디지털트윈이 모인 그룹은 951억원으로 가장 크다. 관제 플랫폼과 멀티에이전트 오케스트레이터로 구성된 그룹은 313억원이다. 그룹마다 세부총괄을 두고, 총괄과제는 세부총괄을 통해 그룹을 조정한다.</p> <p contents-hash="539dbe0ab152baedbf10b4a606f2240ff4631f926e989c958b98df3ce87af103" dmcf-pid="xmM7cDiPlo" dmcf-ptype="general"><strong>◆ 데이터 계층은 관제 근간 파악</strong></p> <p contents-hash="df03d5a233dcf608265a4fcb5a1cd64682f72bd34b2da07e0b0d300158f68f72" dmcf-pid="yKWkuqZvWL" dmcf-ptype="general">데이터 계층은 관제의 원료를 만든다. 고대역 위협 트래픽 수집·처리 플랫폼(188억원)은 400Gbps 구간에서 패킷 손실 없이 AI 분석용 위협인자 80종 이상을 실시간 뽑아내야 한다. 1200만 개 이상 동시 세션을 관리하고, 암호화(TLS) 트래픽을 145Gbps 이상으로 복호화해 유해 트래픽을 90Gbps급으로 차단한다.</p> <p contents-hash="00d27baa786cd08f8dd0aa10bc72680536940844e1de30e89dc95fc695974f76" dmcf-pid="W9YE7B5TSn" dmcf-ptype="general">자산·공급망 통합관리 플랫폼(160억원)은 IT·OT·클라우드·AI 자산과 소프트웨어 자재명세서(SBOM)를 모은다. 자산 자동 식별률 95%, 미등록 자산 탐지율 90%가 목표다. 공개 취약점이 실제로 기관에 영향을 주는지 판정하고, 결과는 취약점 악용 가능성 정보(VEX)로 발행한다.</p> <p contents-hash="a3f45f0a5d783ac979b0c9b21c6d5d006a0c85ce2a655d82ed49a023572b7ead" dmcf-pid="YgKXdn4qvi" dmcf-ptype="general">취약점·위협 인텔리전스 지식 플랫폼(170억원)은 공격·방어 지식을 지식그래프로 쌓는다. 현장 전담 엔지니어(FDE)가 금융·통신·IT 도메인 실증기관에 투입돼 실제 침해사고를 분석·라벨링한다. 공격 에이전트 성능을 잴 도커(Docker) 기반 평가 벤치마크도 이 과제가 공급한다.</p> <p contents-hash="45a16c0d879a25f917d27c97ceb77a186c4cbf385c770f7c12b8265951fb95f7" dmcf-pid="Ga9ZJL8BlJ" dmcf-ptype="general">보안 데이터 수집·정규화 패브릭(147억원)은 기관 보안장비 데이터를 개방형 사이버보안 스키마 프레임워크(OCSF) 기반 공통 모델로 바꾼다. 커넥터 50종 이상, 공격·대응 시나리오 60종, 보안검증을 통과한 도메인 특화 스킬·도구 100종을 만들어야 한다.</p> <p contents-hash="22547566884a28603f6da061d011b06ebc32db359b2fe6189cb18573f57e706b" dmcf-pid="HN25io6bhd" dmcf-ptype="general"><strong>◆ 판단은 엔진 계층이, 지휘 통제는 거버넌스 계층이 맡는다</strong></p> <p contents-hash="4a495722ec087553b15827697784d97aa74d6e36b837dbd1dce1235258736274" dmcf-pid="XjV1ngPKTe" dmcf-ptype="general">엔진 계층은 판단을 맡는다. AI-SOC 판단 모델은 정탐·오탐을 가르고 복합 사건의 원인·영향·우선순위를 판단해 대응계획을 만든다. 반복 업무는 스킬·플레이북으로 바꿔, 범용 모델을 부르지 않고 처리하는 비율을 30% 이상으로 끌어올려야 한다. 토큰 비용을 줄이라는 요구다. 위협 탐지·상관분석 엔진(147억원)은 탐지 재현율 95% 이상, 오탐률 5% 이하, 경보 감소율 60% 이상이 목표다.</p> <p contents-hash="e2fdd97277ef6f667e5275bf51ce5cee413c060539dfc681209653d4f22ddc37" dmcf-pid="ZAftLaQ9CR" dmcf-ptype="general">취약점 탐색·검증 엔진(164억원)은 자산 10만 노드 규모 공격 그래프를 다루며 취약 후보와 공격경로, 검증계획을 세운다.</p> <p contents-hash="88ed3d0b5e542abca619bbe51f27653dbbd8e2b0e85f09e8be7e971cc908037d" dmcf-pid="5c4FoNx2SM" dmcf-ptype="general">보안특화 추론 모델에는 참여 문턱이 붙었다. 주관기관은 제안 시점에 사이버짐(CyberGym) 레벨1 성공률 50% 이상인 모델을 보유해야 한다. 사이버짐은 AI 모델이 실제 취약점을 재현하는지 측정하는 벤치마크다. 앤트로픽 ‘클로드 오퍼스 4.5’의 공개 성공률(50.63%)을 참고 기준으로 들었다. 내부망 운영과 학습에 필요한 이용 권리도 제안서에 담아야 한다. 이 모델은 취약점의 원인과 재현·수정 방법을 제시하고, 탐색 엔진과 공격·방어 에이전트, 디지털트윈에 추론 서비스를 제공한다.</p> <p contents-hash="b1f2a4ffd8014e085c659a72f33a1e86c4f1375a32ae61a2e2c6e6bc4ed15fb6" dmcf-pid="1k83gjMVSx" dmcf-ptype="general">에이전트 계층은 공격과 방어를 직접 수행한다. ‘레드 AI’ 공격검증 에이전트(158억원)는 퍼징, 심볼릭 실행 등 공격 도구를 스스로 골라 개념증명(PoC)을 만들고 취약점을 입증한다. PoC 반복 재현율 95%, 보안영향 입증 성공률 70%가 목표다. 국가망보안체계(N2SF) 자산 식별을 바탕으로 국산 네트워크·엔드포인트 탐지·대응(NDR·EDR) 제품의 회피 검증도 맡는다. ‘블루 AI’ 대응 에이전트(147억원)는 레드 AI가 확인한 취약점에 맞춰 최소 변경 패치와 방어정책 후보를 만든다.</p> <p contents-hash="3ee5148b493a4059c0e4c84efb5f82bbd7e268e095143eff01fff1a4d46e9802" dmcf-pid="tE60aARfSQ" dmcf-ptype="general">‘그린 AI’ 정책관리 에이전트(147억원)는 승인된 조치를 장비별 정책으로 바꿔 실제 운영망에 적용한다. 정책 자동 변환·적용 성공률 90%, 조치 복구 성공률 95%가 목표다. 특정 제품 명령이 아닌 정책 의도를 받아 보안장비·서버·클라우드·계정관리(IAM)에 맞게 변환하는 방식이다.</p> <p contents-hash="de235d01488b40da6e8cc3601af44a9fe82ef8123c9607b2ae11e2ab1626a826" dmcf-pid="FDPpNce4vP" dmcf-ptype="general">멀티에이전트 오케스트레이터(125억원)는 관제 플랫폼이 내린 임무를 태스크로 쪼개 각 모델·에이전트에 배분한다. 동시 활성 태스크 1000개를 처리하고, 자체 귀책 임무 실패율은 5% 이하로 낮춰야 한다.</p> <p contents-hash="f91cc1c00290e27391cdaa31eb914e61b7b571e4007d0261955206f00f07e0b1" dmcf-pid="3wQUjkd8y6" dmcf-ptype="general">거버넌스 계층은 전체를 지휘하고 통제한다. 통합 AI-SOC 관제 플랫폼(188억원)은 쉴드돔 구성요소와 기관 기존 보안시스템을 한 화면에서 관제한다. 단순 사건은 사전 승인 플레이북으로 자동 처리하고, 복합 사건은 오케스트레이터에 임무로 넘긴다.</p> <p contents-hash="c07b9cf2ac4462467e193b089183d88e06f20b047cdab5fcdb4f3bf976c5e722" dmcf-pid="0rxuAEJ6l8" dmcf-ptype="general">디지털트윈 검증 플랫폼(180억원)은 기관 IT·OT 환경을 차폐된 가상공간에 재현한다. 가상자산 1만 대 규모 환경을 30분 안에 구성하고, 운영환경 변화를 60초 안에 감지해야 한다.</p> <p contents-hash="b0581c154ac0bb016fcd9f8e00fc4947f9277ce54bc85f0aff6789b7826a2f84" dmcf-pid="pln9mINdh4" dmcf-ptype="general">AI 자체를 지키는 과제도 따로 뒀다. 신뢰운용·자기방어 과제(143억원)는 쉴드돔의 모델·에이전트가 프롬프트 인젝션이나 에이전트 하이재킹으로 공격 경로가 되지 않도록 막는다. 운용시험 기준 프롬프트 인젝션 차단율 95% 이상, 비인가 고위험 조치 차단율 100%, 정상 요청 오차단율 2% 이하가 목표다. 이상 징후가 생기면 킬스위치와 롤백으로 대응한다.</p> <p contents-hash="7dad6ed0e12fcc5bac4790f01437eafce5062d2e192631b6107becc15695442c" dmcf-pid="USL2sCjJCf" dmcf-ptype="general">정부는 특정 업체에 묶이지 않는 개방형 구조를 요구했다. 착수 초기에 인터페이스 목록과 데이터 표준을 확정해 공개하고, 사업 이후 참여하는 업체도 같은 조건으로 연동할 수 있게 해야 한다. 서빙 모델을 교체할 수 있는 구조로 AI 공급자 종속도 줄인다. 국가 독자 파운데이션 모델이나 보안특화 파운데이션 모델을 쓰는 경우 보안 업무 중 가드레일에 막히지 않는지 통합시험에서 확인한다.</p> <p contents-hash="809548c3cd49d219433697ec6e7ac81baa68fe3d038884098076a167332cdc8b" dmcf-pid="uvoVOhAiTV" dmcf-ptype="general">주요 수요처는 망분리 환경에서 자체 관제센터를 운영하는 공공기관과 국가기반시설 운영기관이다. 이들 기관의 관제를 위탁받는 보안관제 전문기업, 통합 관제 체계를 구축하는 SI·클라우드 사업자도 수요처로 꼽혔다. 보안 제품 기업은 공동연구개발기관으로 참여해 통합 패키지의 제품화, 인증, 유지보수를 맡는다.</p> <p contents-hash="fadfcc75cd0b9ff28d909e445efb45c5e8ab441749badb35e95d0a44509fc5e9" dmcf-pid="7TgfIlcnW2" dmcf-ptype="general">정부는 실증기관 현업 전환 결과를 토대로 사업화 계획을 매년 갱신하고, 실증기관 밖 공공기관에도 경량형·풀스택형 참조 구성을 보급한다는 계획이다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 AI발 GPU 기근, CPU 속에 숨은 게이밍 대안 [권용만의 긱랩] 11-22 다음 '몬헌' '록맨' '위쳐'…해외 게임사들이 지스타 찾은 이유[K-게임, 세계로①] 11-22 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.