[국내보안뉴스] 엠클라우드브리지, 보안·유연성 갖춘 공공·연구기관용 ‘Ai 365’ 통합 AI 플랫폼 선보여
· 2026-10-13 14:00
· 조회 14
· 원문 ↗
엠클라우드브리지가 공공, 교육, 연구기관의 엄격한 보안 규정을 준수하면서도 최신 AI 기술을 활용할 수 있도록 돕는 ‘Ai 365 통합 AI 플랫폼’을 출시했습니다. 이번에 발표된 플랫폼은 기관 내부 설치형(On-Premise) 대규모언어모델(LLM)과 외부 클라우드 기반 SaaS LLM을 유기적으로 연동하여 운영할 수 있는 하이브리드 구조를 갖추고 있습니다.
가장 큰 특징은 데이터 중요도, 사용자 권한, 업무 목적에 따라 AI 처리 경로를 엄격히 분리하여 민감 정보 유출을 원천 차단한다는 점입니다. 외부 반출이 엄격히 제한된 개인정보, 행정 정보, 주요 연구 자료 등은 기관 내부에 격리된 LLM을 통해 문서 분석, 지식 검색, 검색 증강 생성(RAG) 및 추론 작업을 안전하게 처리합니다.
반면, 보안 리스크가 상대적으로 낮은 일반 업무나 대외 작업의 경우 OpenAI의 GPT나 Anthropic의 Claude 등 외부 고성능 AI 서비스와 연계하여 최신 생성형 AI의 이점을 최대한 활용할 수 있도록 지원합니다. 보안 규제 준수와 업무 생산성 향상이라는 두 가지 과제를 모두 해결해야 하는 공공 및 연구기관은 취급 데이터의 등급에 맞는 AI 활용 정책을 마련하고 내부망 기반 AI 처리 체계를 적극 검토할 필요가 있습니다.
♥ 추천 0
공공기관 환경에서 온프레미스와 클라우드 LLM을 결합한 하이브리드 아키텍처 도입은 매우 시의적절한 접근입니다.
개발 관점에서는 프롬프트 입력 단계에서 민감 데이터를 실시간으로 감지해 라우팅하는 API 게이트웨이 로직과 PII 마스킹 성능이 시스템의 안정성을 좌우할 핵심 파이프라인이 될 것입니다.
특히 내부 RAG 구축 시 Vector DB 수준에서 사용자 권한(RBAC)에 따른 데이터 접근 제어가 확실히 격리되어 있는지에 대한 보안 검증이 반드시 수반되어야 합니다.
하이브리드 LLM 구축 시 핵심 공격 벡터는 데이터 분류 및 경로를 지정하는 '라우터 로직'의 우회 가능성입니다.
간접 프롬프트 인젝션(Indirect Prompt Injection)을 통해 라우팅 필터를 속여 내부 민감 데이터를 외부 API로 유출시키거나, RAG 시스템 내 권한 검증(RBAC)을 우회해 비인가 문서의 지식을 추출하는 공격 시도가 유효할 수 있습니다.
단순히 물리적·논리적 경계를 분리한 것만으로는 안심할 수 없으며, 라우팅 엔진과 내부 벡터 DB를 대상으로 한 강력한 레드팀 관점의 침투 테스팅이 필수적입니다.
생성형 AI 도입 시 가장 큰 걸림돌인 데이터 유출 리스크를 '데이터 등급 기반의 하이브리드 경로 제어'로 해결하려는 시도는 보안 관점에서 매우 바람직한 접근입니다.
다만 이러한 솔루션이 효과를 거두려면 기술적 통제에 앞서 조직 차원의 명확한 데이터 분류 기준 수립과 엄격한 사용자 권한 관리가 정책적으로 선행되어야 합니다.
결국 성공적인 AI 거버넌스는 신기술 도입 자체보다 민감 데이터의 외부 반출 통제 프로세스를 철저히 검증하고 지속적으로 모니터링하는 체계를 갖추는 데 달려 있습니다.