섹션별 상세
금융권의 복잡한 위협 환경과 데이터 규모 문제에 대응하기 위해 가시성 확보가 필수적이다. NAB는 매일 30TB 이상의 보안 데이터를 수집하며, AI를 활용한 공격자들의 전술에 대응하기 위해 방대한 데이터를 통합하고 상관관계를 분석하여 고신뢰도 통찰력을 생성하는 체계를 구축했다.
Lakewatch는 Databricks의 레이크하우스 아키텍처를 기반으로 구축된 업계 최초의 턴키 방식 보안 운영 워크플로우이다. 전사적 신호 상관관계 분석과 대규모 위협 헌팅을 지원하며, 데이터 수집부터 대응까지 전 과정을 AI로 강화하여 현대적인 위협에 최적화된 방어 능력을 제공한다.
NAB는 Lakewatch의 5개 디자인 파트너 중 하나로 참여하여 실제 금융 현장의 보안 운영 노하우를 제품 개발에 직접 반영했다. 단순한 기술적 진보를 넘어 보안 분석가(SOC)가 직면한 실제 격차를 해소하고 실무에 즉시 적용 가능한 오픈 보안 레이크하우스 표준을 정립했다.
용어 해설
- 보안 레이크하우스(Security Lakehouse)
- — 데이터 레이크의 유연한 저장 능력과 데이터 웨어하우스의 분석 성능을 결합한 보안 전용 데이터 아키텍처이다. 방대한 보안 로그를 저비용으로 저장하면서도 AI와 머신러닝을 활용해 실시간 위협 탐지와 분석을 수행할 수 있는 기반을 제공한다.
- 보안 운영 센터(SOC)
- — 조직의 보안 상태를 24시간 모니터링하고 사이버 공격에 대응하는 중앙 집중식 팀 또는 시설이다. 다양한 보안 도구에서 발생하는 경고를 분석하고 실제 위협을 식별하여 사고 대응 프로세스를 주도하는 역할을 수행한다.
- 위협 헌팅(Threat Hunting)
- — 자동화된 보안 시스템이 탐지하지 못한 잠재적 위협을 보안 분석가가 선제적으로 찾아내는 과정이다. 가설을 세우고 대규모 데이터를 분석하여 공격자의 흔적을 추적함으로써 보안 사고를 사전에 차단하는 데 목적이 있다.
- 신호 상관관계 분석(Signal Correlation)
- — 서로 다른 시스템이나 네트워크 지점에서 발생하는 개별 보안 이벤트들을 연결하여 하나의 공격 시나리오로 파악하는 기술이다. 파편화된 정보를 통합함으로써 탐지 정확도를 높이고 오탐지를 줄이는 데 핵심적인 역할을 한다.
기술
- Databricks
- Lakewatch
- Open Security Lakehouse
활용 사례
- 대규모 보안 로그 통합 및 분석
- AI 기반 실시간 위협 탐지
- 자동화된 보안 사고 대응(Incident Response)
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 24.수집 2026. 03. 24.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.