- AI는 방어 능력과 위험을 모두 증가시켜 기존의 경계 보안으로는 불충분하게 만듭니다.
- Zero Trust는 데이터 중심 모델과 "최소한의 행위자"로 AI 에이전트를 제어하는 방향으로 발전하고 있습니다.
- AI, Zero Trust, 관리형 서비스를 결합하면 가시성, 자동화, 실시간 대응이 가능해집니다.
- 성공은 기술에 달려 있지만, 디지털 불신을 정상화하는 문화적 변화에도 달려 있습니다.
생성형 인공지능 의 등장은 사이버 보안에 혁신적인 변화를 가져왔습니다. 비즈니스 혁신을 이끄는 바로 그 기술들이 더욱 빠르고, 신뢰할 만하며, 자동화된 공격을 가능하게 만든 것입니다 . 보안팀은 이제 원격 사용자, 클라우드 서비스, 연결된 산업 시스템 등 다양한 환경이 혼합된 인프라를 방어해야 하는 과제에 직면해 있으며, 규제는 더욱 강화되는 반면 예산은 그 속도를 따라가지 못하고 있습니다.
이러한 상황에서 기존의 "보안 경계" 모델은 더 이상 통용되지 않으며, 제로 트러스트 철학이 새로운 표준으로 자리 잡고 있다는 점이 점점 더 분명해지고 있습니다 . 이제 당면 과제는 사람과 기기뿐 아니라 AI 모델, 자율 에이전트, 그리고 플랫폼, 애플리케이션, 클라우드 간에 기계 속도로 이동하는 데이터 흐름까지 제어해야 하는 세상에 제로 트러스트를 적용하는 것입니다.
AI가 기존 보안 모델에 도전하는 이유
인공지능은 양날의 검이 되었습니다. 보안을 강화하는 동시에 사이버 범죄자들의 공격 수단을 더욱 풍부하게 만들어 줍니다 . 오늘날에는 생성형 인공지능을 활용하여 고도로 개인화된 피싱 캠페인, 음성 또는 영상 딥페이크, 변이형 악성코드 , 자동화된 사기 행위 등 을 손쉽게 만들어낼 수 있습니다.
동시에 기업들은 점점 더 이질적인 인프라를 관리하고 있습니다 . 멀티클라우드 환경(AWS, Azure, Google Cloud, Oracle), SaaS, 자체 데이터 센터, 산업용 OT 네트워크, 그리고 수천 명의 원격 근무자 까지 포함합니다. 이 모든 것을 관리하는 과정에서 중요한 데이터는 곳곳에 흩어져 있고, 디지털 공급망은 복잡하며, 규제 압력(NIS2, DORA, 산업 규제) 또한 증가하고 있습니다.
사이버 보안 전문가들은 문제는 차단되는 공격이 아니라 탐지되지 않는 공격이라고 입을 모읍니다 . 공격자들은 합법적인 트래픽 속에 위장하고, 탈취한 자격 증명을 악용하고 , API를 남용하며, 인공지능을 활용하여 매우 은밀하게 네트워크를 이동하는데, 이때 제대로 관리되지 않는 "신뢰할 수 있는" 접근 지점을 자주 이용합니다.
이러한 상황에 직면하여 기존의 경계 중심 아키텍처, 즉 전통적인 VPN , 플랫 네트워크, "내부"에 대한 암묵적 신뢰는 적합하지 않습니다.
경계 보안에서 Zero Trust 접근 방식까지
수년간 IT 보안은 성벽으로 둘러싸인 성이라는 비유에 기반을 두고 있었습니다. 성 안에서는 모든 것이 신뢰할 만하고, 성 밖에서는 모든 것이 의심스럽다는 것이죠 . 경계에는 방화벽이, 진입 시에는 VPN이, 그리고 일단 안으로 들어오면 내부 네트워크에 대한 무제한 접근이 허용되는 방식이었습니다. 하지만 직원들이 어디서든 근무하고, 애플리케이션이 클라우드에 호스팅되며, 데이터가 공급업체, 파트너, IoT 기기 간에 오가는 시대에는 이러한 모델이 더 이상 통하지 않습니다.
이러한 변화에 대응하여 포레스터는 2010년 존 킨더바그가 주도한 '제로 트러스트' 모델을 대중화했습니다. 이 모델의 핵심 아이디어는 "절대 신뢰하지 말고 항상 검증하라 "는 단순하면서도 혁신적입니다. 연결이 "내부"에서 오든 "외부"에서 오든 모든 접근은 인증, 권한 부여, 그리고 지속적인 모니터링을 거쳐야 합니다.
제로 트러스트의 기본 원칙은 세 가지 기둥으로 요약할 수 있습니다. 바로 엄격하고 독립적인 출처 검증, 최소 권한 접근, 그리고 네트워크 침해 가능성에 대한 상시적 가정입니다 . 다시 말해, 네트워크가 언제든 침해될 수 있으며, 내부 사용자를 포함한 모든 사용자가 실수든 악의든 위협이 될 수 있다는 전제를 깔고 있는 것입니다.
시간이 흐르면서 이러한 접근 방식은 이론적 개념에서 구체적인 지침을 갖춘 형태로 발전해 왔습니다. NIST SP 800-207과 CISA 성숙도 모델의 발표는 네트워크, 애플리케이션 및 데이터에 대한 참조 아키텍처를 제공함으로써 중요한 전환점이 되었습니다 . 이와 동시에 유럽에서는 NIS2와 ENISA 권고안이 핵심 산업 분야에서 강력한 인증, 네트워크 세분화 및 지속적인 접근 제어를 도입하도록 유도하고 있습니다.
AI 시대의 제로 트러스트: 자율 에이전트가 틀을 깨는 순간
제로 트러스트의 초기 물결은 비교적 정적인 사람과 기기, 즉 인간 사용자, 기업 팀, 기존 비즈니스 애플리케이션을 염두에 두고 설계되었습니다. 그러나 AI는 이러한 현실을 근본적으로 바꿔놓았습니다.
인공지능 모델, 특히 대규모 언어 모델(LLM)과 자율 에이전트는 동적으로 작동하고, 시스템 경계를 넘나들며, 민감한 데이터를 단 몇 초 만에 처리할 수 있습니다 . 이러한 모델은 이메일을 읽고, 워크플로를 실행하고, 파일을 수정하고, API와 상호 작용하거나, 지속적인 인간의 감독 없이 스스로 결정을 내릴 수 있습니다.
OWASP는 'GenAI 및 LLM을 위한 10대 위험' 보고서에서 이른바 '과도한 자율성'에 대해 경고합니다. 이는 AI에 지나치게 많은 자율성이나 행동 능력이 부여될 때 발생하는 위험을 의미 합니다. 임원을 대신하여 이메일을 보내는 에이전트, 계좌 간 자금 이체를 수행하는 봇, 운영 시스템을 변경하는 어시스턴트… 이러한 기능들은 제대로 통제되지 않을 경우 새로운 공격 경로를 열어줍니다.
인간 중심의 제로 트러스트 접근 방식은 한계가 있습니다. 알고리즘이 분당 수천 건의 결정을 내리는 상황에서 이러한 방식은 확장성이 부족합니다 . 모든 에이전트의 모든 행동에 최소 권한 원칙을 수동으로 적용하는 것은 현실적으로 불가능합니다. 바로 이 지점에서 중요한 진화가 나타납니다. 바로 신원에서 데이터로 초점을 옮기는 것입니다.
데이터에 초점을 맞춘 Zero Trust: 새로운 제어 평면으로서의 데이터
인공지능이 지배하는 환경에서는 누가 데이터에 접근하는지가 중요한 것이 아니라, 어떤 데이터에 접근하고, 어떻게 변형하며, 누구와 공유하는지가 진정으로 중요해집니다 . 네트워크 경계는 의미를 잃고, 새로운 경계는 바로 데이터 자체가 됩니다.
포레스터와 같은 분석 기관들은 AI 거버넌스를 위한 AEGIS와 같은 프레임워크를 통해 보안이 데이터 관찰 가능성, 맥락, 책임성 중심으로 전환되어야 한다고 강조합니다 . 이는 AI를 활용한 혁신을 지원하되, 정보 분류, 데이터 계보, 감사 가능한 사용 규칙에 기반한 통제를 통해 이를 보장하는 것을 의미합니다. 민감한 정보를 보호하기 위해서는 데이터 유출 및 도난 위험을 줄이는 관행과 통제를 구현하는 것이 바람직합니다.
특수 플랫폼은 DSPM(데이터 보안 태세 관리)과 AI-SPM(인공지능 보안 태세 관리) 기능을 결합하여 클라우드, SaaS 및 하이브리드 환경에서 민감한 데이터가 어디에 있는지 , 어떻게 사용되는지, 어떤 AI 시스템이 해당 데이터에 접근하는지 파악합니다. 이를 바탕으로 거버넌스 정책을 적용하여 위험한 행위(악의적인 요청, 데이터 유출, 비정상적인 활동)를 탐지하고 차단 또는 경고를 자동화합니다.
이러한 변화는 제로 트러스트를 자율 에이전트와 자체 학습 모델로 확장 가능한 살아있는 데이터 기반 아키텍처 로 탈바꿈시킵니다. AI가 "옳은 일"을 할 것이라고 맹목적으로 신뢰하는 대신, 민감도와 맥락에 따라 AI가 보고 수행할 수 있는 작업을 제한하는 동적 안전장치가 구축됩니다.
동맹으로서의 AI: 차세대 SOC와 "최소한의 기관"
AI는 단순히 문제를 일으키는 것이 아니라, 대규모 제로 트러스트를 유지하는 데 핵심적인 요소이기도 합니다 . 현재 발생하는 방대한 양의 보안 신호(로그, 네트워크 원격 측정 데이터, 클라우드 활동, ID 이벤트 등)는 자동화된 지원 없이는 어떤 인간 팀도 처리하기에는 너무 벅찹니다.
사이버 보안 업체들은 첨단 AI를 자사의 보호, 탐지 및 대응 플랫폼에 통합하고 있습니다 . 이는 수백조 건의 이벤트를 분석하여 이상 징후를 찾아내는 엔진부터, 수동 개입 없이 사건을 조사하고, 경고를 상호 연관시키며, 조치를 실행할 수 있는 SOC(보안 운영 센터)의 지능형 에이전트에 이르기까지 다양합니다.
선도적인 기업들은 인공지능(AI) 에이전트가 분석가와 긴밀히 협력하는 보안 운영 센터인 에이전트형 SOC(Agentic SOC) 개념을 실험하고 있습니다. 이러한 에이전트는 인프라 환경을 이해하고, 차단 조치를 권장하고, 보고서를 작성하고, 플레이북을 자동화하며, 경우에 따라서는 명확하게 정의된 범위 내에서 직접 대응 조치를 실행합니다.
핵심은 최소 권한 원칙과 유사하지만 변형된 AI 적용에 있습니다 . 바로 OWASP에서 권장하는 "최소 권한 부여" 모델입니다 . 이 모델은 에이전트가 접근할 수 있는 데이터뿐만 아니라 수행할 수 있는 특정 작업까지 제한합니다. 절대적으로 필요한 경우가 아니라면 어떤 봇에게도 실제 운영 환경에서 "모든 것을 할 수 있는" 권한을 부여해서는 안 됩니다.
실제 사례: 은행, 에너지, 산업 및 식품 분야의 Zero Trust 및 AI
이론 자체는 훌륭하지만, 제로 트러스트가 진가를 발휘하는 곳은 바로 핵심 산업 현장 입니다 . 단 한 번의 실수로 공장이 폐쇄되거나, 금융 서비스가 마비되거나, 수백만 명의 사용자가 전력 공급을 받지 못하게 될 수 있는 곳이기 때문입니다.
은행권에서는 사기, 신원 도용, 데이터 유출 에 대한 우려가 큽니다 . 금융 기관들은 대규모 원격 측정 데이터, AI 기반 분석, 자동화를 결합한 확장성이 뛰어난 보안 운영 센터(SOC) 구축에 주력하고 있습니다. 목표는 사기 패턴을 예측하고, 의심스러운 활동을 실시간으로 차단하며, 사후 대응에서 사전 예방으로 전환하는 것입니다. 이러한 공격의 영향을 최소화하려면 손상된 계정을 복구하고 보호하는 것이 핵심입니다.
에너지 부문에서 대형 전력 회사와 같은 기업들은 수백만 개의 스마트 미터, 수천 개의 변전소, 중앙 시스템에 접근하는 현장 팀 등 막대한 보안 위험에 직면해 있습니다 . 더욱이 IT와 OT 환경은 엄격하게 분리되어 있으며, 서로 신뢰할 수 없는 것으로 여겨지는 경우가 많습니다. 이러한 상황에서 제로 트러스트(Zero Trust)로 전환한다는 것은 통합된 가시성을 확보하고 보안 운영 센터(SOC) 내에서 공격과 예를 들어 예정된 대규모 장치 업데이트와 같은 작업을 명확하게 구분하는 것을 의미합니다.
제조 산업에서 생산 연속성은 매우 중요한 요소이며, 제로 트러스트는 실질적인 현실입니다. PLC나 로봇이 멈추면 그 영향은 즉각적으로 나타나기 때문입니다 . 수십 년 동안 사용할 수 있는 제품을 생산하는 제조업체들은 기존의 OT 기술, 불안정한 프로토콜, 그리고 끊임없이 증가하는 클라우드 연결 환경 속에서 공존하고 있습니다. 핵심 과제 중 하나는 이러한 다양한 IT 및 OT 솔루션에 대한 가시성과 제어권을 통합하여, 기계 네트워크부터 고객의 클라우드까지 모든 것을 보여주는 단일 관리 콘솔을 구축하는 것입니다.
자동화 설비를 갖춘 식품 회사에서는 산업 장비에 대한 무단 원격 접근이 생산에 직접적인 영향을 미칠 수 있다는 우려가 있습니다 . 원칙은 명확합니다. 어떤 공급업체도 엄격하게 통제되고, 모니터링되며, 실시간으로 취소 가능한 세션 없이 PLC나 로봇에 접근해서는 안 되며, 이러한 세션에는 활동 기록 및 권한 만료 기능이 있어야 합니다.
디지털 공급망, LLM 및 데이터 침해 위험
내부 인프라 외에도 많은 조직들이 주요 약점으로 디지털 공급망을 꼽고 있습니다 . 이들은 은행, 기술 파트너, 시스템 통합업체, 핀테크 기업, 클라우드 제공업체 등 다양한 주체들과 매일 협력하고 있으며, 이들 모두 직간접적으로 회사 시스템과 연결되어 있습니다.
각 연결 고리는 잠재적인 진입점을 제공합니다. 보안 관행이 미흡한 제3자는 더 큰 공격의 백도어가 될 수 있습니다 . 따라서 B2B 액세스에 대한 철저한 평가, 권한 제한, 환경 분할 및 API 기반 통합 모니터링이 필수적입니다.
여기에 더해 외부 LLM(법률 문서 관리 시스템) 사용에 대한 우려가 커지고 있습니다. 내부 정보가 통제나 추적 없이 공공-민간 모델에 "입력"될 위험이 있다는 것입니다 . 전략 문서, 고객 데이터 또는 독점 코드가 적절한 보호 장치 없이 AI 도구 의 컨텍스트로 사용될 때 의도치 않게 유출될 수 있습니다 .
여기서 AI에 적용되는 제로 트러스트는 강력한 DLP(데이터 손실 방지) 제어를 구축하고 , 어떤 데이터를 어떤 모델에 전송할 수 있는지 규제하고, 데이터 상주를 요구하며, 가능하면 조직이 학습 대상과 비학습 대상을 실질적으로 통제할 수 있는 프라이빗 배포 또는 "폐쇄형 생태계(walled gardens)"를 선택하는 것을 의미합니다.
AI를 활용한 Zero Trust 구현: 실질적인 단계와 과제
제로 트러스트 전략을 구현하는 것은 단순히 몇 가지 도구를 설치하는 문제가 아니라, 전략적, 기술적, 문화적 여정입니다 . 그럼에도 불구하고, 성공적인 출발을 위해 몇 가지 실질적인 단계를 정의할 수 있습니다.
첫 번째 단계는 가시성 확보입니다. 자산, 데이터, ID 및 흐름을 목록화하는 것이죠 . 어떤 시스템이 존재하는지, 어떤 중요한 정보를 처리하는지, 누가(또는 어떤 AI 에이전트가) 어디에서 접근하는지 파악하는 것이 필수적입니다. 데이터 검색 및 분류 도구는 퍼블릭 클라우드, SaaS 및 온프레미스 환경에서 핵심 자산을 식별하는 데 도움이 됩니다.
다음 단계는 위험 평가 및 정책 정의입니다. 비즈니스 프로세스를 영향도에 따라 분류하고, 누가 어떤 조건에 따라 무엇에 접근할 수 있는지를 정의합니다 . 여기에는 세분화된 접근 정책, 네트워크 분할, OT/IT "영역" 정의, API 보호, AI 서비스 사용에 대한 명확한 규칙 등이 포함됩니다.
구현은 일반적으로 단계적으로 진행됩니다. 먼저 신원 확인(피싱 방지 MFA, 싱글 사인온, 최신 권한 관리)부터 시작하여 접근 제어를 위한 ZTNA/SASE를 도입하고, 이후 마이크로세그멘테이션 및 심층 데이터 보호 로 이어집니다. 각 단계마다 지속적인 모니터링을 통해 정책을 조정하고 지나치게 제한적인 조치가 비즈니스 운영을 저해하지 않도록 합니다.
이러한 여정 전반에 걸쳐 변화에 대한 저항, 기술적 복잡성, 적응하기 어려운 기존 시스템, 파편화된 도구와 같은 익숙한 장애물이 발생합니다 . 교육, 변화 관리, 그리고 통합 플랫폼(SSE, SASE, 관찰 가능성 제품군)으로의 통합은 성공의 함정에 빠지지 않기 위한 필수적인 수단입니다.
AI, 스마트 인증, 관리 서비스
인공지능은 인증 방식 또한 혁신하고 있습니다. 최신 시스템은 단순히 비밀번호나 고정된 요소에만 의존하는 대신, 적응형 위험 기반 인증을 사용합니다 . 이러한 시스템은 위치, 기기, 사용 패턴, 타이핑 속도, 심지어 마우스 동작까지 분석하여 요청이 합법적인지 의심스러운지 판단합니다.
이러한 AI 기반 인증 방식은 제로 트러스트에 완벽하게 부합합니다. 모든 로그인 시도는 동적으로 평가되어 위험도가 높을 경우 추가적인 검증 요소를 요구하거나, 권한을 제한하거나, 아예 접근을 차단할 수 있습니다. 이 모든 과정은 정상적인 사용자에게 거의 투명하게 이루어지므로, 사용자는 평소처럼 행동할 때 불편함을 거의 느끼지 않습니다.
AI가 빛을 발하는 또 다른 영역은 자동화된 대응입니다. 기기에서 데이터 유출이 시작되거나, 악성 에이전트가 네트워크 내에서 이동하거나, 사용자가 비정상적으로 많은 양의 정보를 다운로드하는 경우 , 탐지 엔진은 해당 엔드포인트를 격리하고, 토큰을 취소하고, 세션을 종료하고, 거의 즉시 조사를 시작할 수 있습니다.
특히 중견 기업의 경우, 이러한 수준의 정교한 보안 시스템을 자체적으로 구축하는 것은 복잡한 일입니다. 바로 이 지점에서 관리형 사이버 보안 서비스가 중요한 역할을 합니다. 관리형 서비스는 연중무휴 24시간 보안 운영 센터(SOC), 고급 모니터링, AI 기반 접근 관리, 보안 자동화 기능을 제공하여 기업이 모든 것을 처음부터 구축할 필요 없이 필요한 보안을 확보할 수 있도록 지원합니다.
문화적 변화: '제로 트러스트 세대'와 디지털 격차
제로 트러스트는 기술적 차원을 넘어 디지털 환경에서 신뢰를 이해하는 방식에 대한 문화적 변화를 요구합니다 . 이는 "사람을 불신하는 것"이 아니라, 모든 시스템은 오류가 발생할 수 있으며 사용자와 기업을 보호하는 최선의 방법은 어떤 나쁜 일도 일어나지 않을 것이라고 가정하지 않는 것이라는 점을 받아들이는 것입니다.
흥미롭게도, 어린 시절부터 소셜 미디어, 온라인 비디오 게임, 디지털 서비스를 사용하며 자란 젊은 세대는 신뢰를 얻어야 하고 규칙이 엄격한 환경에 매우 익숙합니다 . 아이러니하게도, 이 세대는 "제로 트러스트 세대"라고 불리기 시작했습니다.
디지털 격차의 다른 한쪽 극단에서는, 일부 고위 임원들이 보안 조치를 불필요한 장애물이나 개인적인 불신의 표시로 인식할 수 있습니다 . 이때 중요한 것은 각 보안 조치의 목적을 명확하게 설명하고, 실제 사례를 제시하며, 조직과 직원 모두를 보호하는 것이 목표임을 강조하는 것입니다.
악성 이메일을 한 번 클릭하는 것만으로도 심각한 경제적, 법적, 평판 손실을 초래할 수 있는 매우 정교한 AI 기반 공격이 활성화될 수 있다는 점을 이해하게 되면, 다중 요소 인증, 접근 권한 분할 또는 지속적인 검증은 더 이상 "성가신 일"로 여겨지지 않습니다.
단기 및 중기적으로 볼 때, 제로 트러스트와 인공지능(AI)은 계속해서 융합되어 동전의 양면처럼 될 것으로 보입니다 . AI는 실시간으로 발생하는 상황을 관찰, 분석, 대응하는 엔진 역할을 하고, 제로 트러스트는 사람, 기계, 모델의 활동을 제한, 검증, 관리하는 프레임워크 역할을 할 것입니다. 자율성과 통제력을 균형 있게 유지하고, 혁신을 저해하지 않으면서 데이터를 보호하는 조직이, 신뢰가 더 이상 거저 주어지는 것이 아니라 만들어지는 디지털 환경에서 가장 유리한 위치를 차지하게 될 것입니다.
