[PIS FAIR 2026 미리보기] 넷킬러, 데이터 오염 막는 ‘안전한 AI 학습 거버넌스’ 선보인다

정제되지 않은 AI 학습 데이터는 개인정보 유출 뇌관... 철저한 데이터 거버넌스 필수
구글 드라이브 실시간 스캔 및 전자결재 기반 검증된 데이터 공급, 안전한 AI 환경 구축
AI 결과물 문서 소스 및 최종 결재자까지 역추적해 데이터 신뢰성 극대화

[보안뉴스 강초희 기자] 구글 클라우드 공식 파트너사 넷킬러(Netkiller, 대표 정성욱)가 ‘PIS FAIR 2026’에 참가해 생성형 AI의 안전한 학습 환경 구축을 위한 차별화된 ‘데이터 거버넌스 솔루션’을 선보인다고 밝혔다.

최근 수많은 기업이 구글 드라이브 등 사내 저장소의 데이터를 활용해 맞춤형 AI 에이전트를 학습시키고 있다. 그러나 정제되지 않은 원천 데이터가 무분별하게 AI에 입력될 경우, 개인식별정보(PII) 유출은 물론 잘못된 정보로 인한 ‘데이터 오염’(Data Poisoning) 리스크에 노출돼 심각한 법적 제재나 보안 사고로 이어질 수 있다.

넷킬러는 이러한 보안 위협을 원천 차단하고 신뢰할 수 있는 AI 환경을 조성하기 위해 두 가지 핵심 솔루션을 제시한다.

첫째, 구글 워크스페이스 보안 솔루션 ‘넷킬러 ISMS’(Netkiller ISMS)다. 이 솔루션은 구글 드라이브 내 모든 파일을 실시간으로 전수 스캔해 민감 정보를 식별하고, 즉각적인 마스킹 및 격리 조치를 수행한다. 보안 정책 위반 감지 시 즉각 대응하는 것은 물론, 관련 감사 로그를 무제한 영구 보관해 완벽한 사후 추적 및 증거 확보를 지원한다.

둘째, 문서 승인 및 워크플로우 솔루션 ‘콜라베이트’(Collavate)를 활용한 데이터 검증이다. 무분별한 데이터 입력 대신, 사내에서 정식 검토와 결재 승인을 거쳐 검증된 문서만 선별해 AI 학습 데이터로 공급한다.

특히 AI가 도출한 결과물에 대해 원본 문서 소스를 역추적하고, 데이터를 최종 승인한 결재자가 누구인지까지 명확하게 추적·관리할 수 있는 것이 가장 큰 강점이다. 이를 통해 의사결정 이력과 피드백 등 ‘결정의 맥락’이 살아 있는 고가치 데이터를 안전하게 자산화해 AI 학습 품질을 대폭 끌어올린다.

넷킬러 관계자는 “철저한 데이터 정제와 결재 기반의 검증을 거치면 출처가 불분명한 할루시네이션(환각 현상)이나 오답을 방지하고, 사내 규정과 내부 DB를 기반으로 작동하는 ‘개인정보 없는 정확한 거버넌스 AI’를 실현할 수 있다”며 “기업들이 일정 관리나 고객 안내 등 실무용 맞춤형 AI 에이전트를 보안 리스크 없이 전사적으로 확장할 수 있는 최적의 길잡이가 될 것”이라고 강조했다.

이어 “PIS FAIR 2026을 통해 기업들이 생성형 AI 도입 시 겪는 학습 불안감을 해소하고, 가장 안전한 데이터 거버넌스 로드맵을 제시할 것”이라고 강조했다.

한편, ‘안전한 AI를 위한 약속, 사전예방 기반 개인정보보호체계 구축’이라는 주제로 6월 22일부터 23일까지 서울 삼성동 코엑스 그랜드볼룸에서 국내 최대 규모의 개인정보보호 콘퍼런스인 ‘PIS FAIR 2026’(제15회 개인정보보호페어 & CPO워크숍)이 개최된다. 이번 행사는 개인정보보호위원회와 PIS FAIR 조직위원회가 주최하고, 한국인터넷진흥원과 한국CISO협의회, 더비엔이 주관한다.

PIS FAIR 2026은 개인정보보호 분야 유관기관과 개인정보보호 솔루션 기업이 함께하는 행사로, 매해 4000여명이 참가하는 국내 최대 규모의 개인정보보호 축제의 한마당이다. 특히 공공기관 및 기업의 개인정보보호최고책임자(CPO)를 비롯해 개인정보보호 담당자, 개인정보 처리자는 PIS FAIR 2026 홈페이지에서 사전등록할 경우 무료 참관이 가능하다.

[강초희 기자(choh@boannews.com)]

AI 및 AI 보안 솔루션이 보안 인력의 업무에 어떤 식으로 영향을 미칠것이라고 생각하시나요
	부족한 인력 보충: 만성적인 인력 부족 문제를 해결하는 보완재 역할을 하고 있다(100% 대체는 불가)
	업무 영역의 분리: AI는 대량 데이터 처리를, 전문가는 고도의 전략적 판단을 맡는 등 역할이 완전히 다르다
	업무 총량의 전이: 단순 업무는 줄었으나, AI 모델 관리·검증 등 새로운 형태의 운영 업무가 발생해 전체 업무량은 비슷하다
	인력 대체 가능: 단순 반복 업무를 넘어 분석/판단 영역까지 대체하여 인력을 줄일 수 있다
	신뢰도 부족: 아직은 AI의 오탐이나 환각(Hallucination) 우려로 인해 사람이 일일이 재검토해야 하므로 실질적인 도움은 적다