쿼드마이너, 맥락데이터 기반 AI 보안 제시

쿼드마이너는 AI 보안체계가 위협을 탐지하고 대응하려면 모델 성능에 앞서 판단 근거가 되는 맥락데이터를 확보해야 한다는 접근법을 제시했습니다. 사이버 위협 가능성을 알리는 경보만으로는 어떤 자료가 오갔는지, 행위가 평소와 달랐는지 판단하기 어렵습니다. 근거가 부족한 상태에서 자동화를 확대하면 분석 오류가 잘못된 차단으로 이어질 수 있어, 정확한 탐지와 신뢰할 수 있는 자율 대응에 활용하고 검증할 데이터가 필요하다고 회사는 설명했습니다.

접근의 핵심은 ‘맥락데이터 중심 AI 기반 보안 옵저버빌리티’ 플랫폼입니다. 쿼드마이너의 네트워크 탐지·대응(NDR) 솔루션 ‘네트워크 블랙박스’는 풀패킷 수집부터 세션과 파일 재구성, 행위 분석, 위협 탐지까지의 과정에서 데이터를 생성합니다. 회사는 원본 트랜잭션·세션 데이터, 행위 기준선, 탐지 설명성이라는 세 축으로 네트워크에서 발생한 일과 AI의 판단 근거를 연결한다고 밝혔습니다. 이를 통해 실제 통신 내용을 확인하고 정상 행위와 이상 행위를 비교하며, 위협으로 판단한 이유를 검토할 수 있습니다.

네트워크 블랙박스는 세션별 행위를 자산별 기준선과 비교하고, 반복 요청이나 파라미터 변조 등 여러 징후를 조합하는 시나리오 헌팅으로 공격 흐름을 추적합니다. 풀패킷 분석으로 연결 정보뿐 아니라 실제 통신 내용과 유출 의심 자료도 확인할 수 있습니다. AI 기능은 자산 행위 이상탐지, 이메일 문맥 이상탐지, 암호화 트래픽 분류, 설명가능 위협 맥락 분석에 적용됩니다. 탐지 근거를 자연어로 설명하는 기능은 오탐 여부를 검토하는 부담을 줄이는 데 활용된다고 회사는 설명했습니다.

쿼드마이너는 글로벌 검색 분석 플랫폼 기업과 협업해 통신사업자 관제 환경에서 거대언어모델(LLM) 기반 공격 시나리오 분석의 운영 효용을 확인하는 가치검증(PoV)을 진행하고 있습니다. 맥락데이터와 SIEM 상관분석 사건정보를 분석 플랫폼에 전달하고, 정규화와 머신러닝 분석으로 생성한 경보를 고객 내부 언어모델이 연관 분석하는 구조입니다. 회사는 데이터 기반을 고객의 기존 보안체계와 연결해 판단에서 대응으로 이어지도록 고도화하고 있습니다.

네트워크 블랙박스는 탐지 결과와 관련 네트워크 정보를 고객의 보안 정보 및 이벤트 관리(SIEM), 단말 탐지 및 대응(EDR), 보안 대응 자동화(SOAR) 도구에 전달합니다. 의심 단말과 유출 경로를 단말 보안에 제공해 조사 범위를 좁히고, 방화벽 대응에는 확인된 공격 통신 정보를 활용합니다. 서로 다른 도구의 분석과 조치를 네트워크 증거로 연결해 고객 환경에 맞춰 탐지·분석·대응을 단계적으로 연계하고, 기존 보안 투자와 분석 근거를 보강한다는 설명입니다. 김용호 쿼드마이너 최고기술책임자(CTO)는 AI 해킹에 맞서는 기준은 AI 판단 근거인 데이터의 질이라며, 맥락데이터를 먼저 확보한 조직은 기존 SIEM·EDR·SOAR 투자 위에서 AI 탐지와 자동화 효과를 높일 수 있다고 말했습니다.

쿼드마이너는 AI 보안체계가 위협을 탐지하고 대응하려면 모델 성능에 앞서 판단 근거가 되는 맥락데이터를 확보해야 한다는 접근법을 제시했습니다. 사이버 위협 가능성을 알리는 경보만으로는 어떤 자료가 오갔는지, 행위가 평소와 달랐는지 판단하기 어렵습니다. 근거가 부족한 상태에서 자동화를 확대하면 분석 오류가 잘못된 차단으로 이어질 수 있어, 정확한 탐지와 신뢰할 수 있는 자율 대응에 활용하고 검증할 데이터가 필요하다고 회사는 설명했습니다.

접근의 핵심은 ‘맥락데이터 중심 AI 기반 보안 옵저버빌리티’ 플랫폼입니다. 쿼드마이너의 네트워크 탐지·대응(NDR) 솔루션 ‘네트워크 블랙박스’는 풀패킷 수집부터 세션과 파일 재구성, 행위 분석, 위협 탐지까지의 과정에서 데이터를 생성합니다. 회사는 원본 트랜잭션·세션 데이터, 행위 기준선, 탐지 설명성이라는 세 축으로 네트워크에서 발생한 일과 AI의 판단 근거를 연결한다고 밝혔습니다. 이를 통해 실제 통신 내용을 확인하고 정상 행위와 이상 행위를 비교하며, 위협으로 판단한 이유를 검토할 수 있습니다.

네트워크 블랙박스는 세션별 행위를 자산별 기준선과 비교하고, 반복 요청이나 파라미터 변조 등 여러 징후를 조합하는 시나리오 헌팅으로 공격 흐름을 추적합니다. 풀패킷 분석으로 연결 정보뿐 아니라 실제 통신 내용과 유출 의심 자료도 확인할 수 있습니다. AI 기능은 자산 행위 이상탐지, 이메일 문맥 이상탐지, 암호화 트래픽 분류, 설명가능 위협 맥락 분석에 적용됩니다. 탐지 근거를 자연어로 설명하는 기능은 오탐 여부를 검토하는 부담을 줄이는 데 활용된다고 회사는 설명했습니다.

쿼드마이너는 글로벌 검색 분석 플랫폼 기업과 협업해 통신사업자 관제 환경에서 거대언어모델(LLM) 기반 공격 시나리오 분석의 운영 효용을 확인하는 가치검증(PoV)을 진행하고 있습니다. 맥락데이터와 SIEM 상관분석 사건정보를 분석 플랫폼에 전달하고, 정규화와 머신러닝 분석으로 생성한 경보를 고객 내부 언어모델이 연관 분석하는 구조입니다. 회사는 데이터 기반을 고객의 기존 보안체계와 연결해 판단에서 대응으로 이어지도록 고도화하고 있습니다.

네트워크 블랙박스는 탐지 결과와 관련 네트워크 정보를 고객의 보안 정보 및 이벤트 관리(SIEM), 단말 탐지 및 대응(EDR), 보안 대응 자동화(SOAR) 도구에 전달합니다. 의심 단말과 유출 경로를 단말 보안에 제공해 조사 범위를 좁히고, 방화벽 대응에는 확인된 공격 통신 정보를 활용합니다. 서로 다른 도구의 분석과 조치를 네트워크 증거로 연결해 고객 환경에 맞춰 탐지·분석·대응을 단계적으로 연계하고, 기존 보안 투자와 분석 근거를 보강한다는 설명입니다. 김용호 쿼드마이너 최고기술책임자(CTO)는 AI 해킹에 맞서는 기준은 AI 판단 근거인 데이터의 질이라며, 맥락데이터를 먼저 확보한 조직은 기존 SIEM·EDR·SOAR 투자 위에서 AI 탐지와 자동화 효과를 높일 수 있다고 말했습니다.