인포시즈, 보안 로그 0.068%만 LLM이 다시 본다…그래프 AI ‘GOS’ 출시
(venturesquare.net)
인포시즈가 그래프 ML로 보안 로그의 99.9% 이상을 1차 필터링하고 극소수의 위협 후보만 LLM으로 정밀 분석하여 비용 효율성과 탐지 정확도를 동시에 잡은 차세대 보안 솔루션 'GOS'를 출시했습니다.
이 글의 핵심 포인트
- 1인포시즈의 신규 보안 솔루션 'GOS' 출시 및 국내 반도체 대기업 전사 공급
- 2그래프 ML로 위협 후보 선별 후 '애널라이저 LLM'으로 2차 검증하는 이단계 구조
- 3LLM 분석 범위를 전체 행위 그래프의 0.068% 수준으로 축소하여 운영 비용 절감
- 4기존 SIEM 및 SOAR 인프라와 연동 가능한 유연한 아키텍처 제공
- 5자체 검증 결과, 별도 규칙 없이도 위협 탐지 미탐률 0% 기록 (특정 환경 기준)
이 글에 대한 공공지능 분석
왜 중요한가?
대규모 보안 로그를 모두 LLM으로 처리하는 것은 비용과 성능 면에서 불가능에 가깝기 때문에, 효율적인 '필터링 구조'를 구축한 것이 핵심입니다. 이는 AI 보안의 실질적인 상용화 가능성을 보여주는 사례입니다.
어떤 배경과 맥락이 있나?
기존 규칙 기반(Rule-based) 보안은 알려진 공격만 막을 수 있고, 모든 로그를 분석하는 방식은 데이터 폭증으로 인해 한계에 직재해 있습니다. 이에 따라 관계 중심의 그래프 기술과 맥락 이해가 뛰어난 LLM의 결합이 요구되는 시점입니다.
업계에 어떤 영향을 주나?
'모든 데이터를 AI로 처리한다'는 환상에서 벗어나, 특정 영역(Graph ML)과 정밀 분석 영역(LLM)을 분리하는 '계층적 AI 구조'가 보안 업계의 표준 모델로 부상할 수 있습니다.
한국 시장에 어떤 시사점이 있나?
국내 반도체 대기업 공급 사례는 한국의 제조/엔터프라이즈 보안 시장에서 고도화된 AI 기술의 수요가 매우 높음을 증명하며, 이는 국내 보안 스타트업에 큰 기회입니다.
이 글에 대한 큐레이터 의견
인포시즈의 GOS는 LLM의 '비용 문제'라는 가장 아픈 곳을 정확히 타격한 영리한 전략입니다. 모든 데이터를 LLM에 넣는 대신, 그래프 ML로 데이터의 밀도를 낮추고 LLM은 최종 판단의 '심판' 역할만 수행하게 함으로써 실질적인 엔터프라이즈급 운영 가능성을 입증했습니다. 이는 AI 에이전트나 보안 솔루션을 개발하는 창업자들에게 '효율적 파이프라인 설계'가 기술적 우위보다 더 중요할 수 있음을 시사합니다.
다만, 그래프 ML의 성능이 전체 시스템의 신뢰도를 결정한다는 리스크가 존재합니다. 만약 1차 필터링 단계에서 위협 후보를 놓친다면, 아무리 강력한 LLM이 뒤에 있어도 탐지는 불가능합니다. 따라서 그래프 모델의 정교함과 1차 필터링의 임계값(Threshold) 설정이 솔루션의 성패를 가르는 핵심 변수가 될 것입니다. 창업자들은 모델의 정확도뿐만 아니라, 비용과 성능 사이의 최적의 '압축률'을 찾는 데 집중해야 합니다.
관련 뉴스
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.