.jpg)
.jpg)
오스터만 리서치의 보고서, “인공지능, 완벽과는 거리 멀어”
인공지능 훈련시킬 데이터와, 훈련 감독할 전문가 아직 턱없이 부족해
[보안뉴스 문가용 기자] ‘인공적인 지능’과 비슷한 기술이 탑재된 보안 프로젝트를 시작한 조직이 75%에 가까워졌다는 연구 결과가 발표됐다. 각종 경고와 첩보, 정보가 난무하는 현 상황에서, 그래서 분석하지 못하고 버리는 게 더 많은 시대에, 머신 러닝이라는 기술에 관심이 쏠리는 건 어쩔 수가 없다. 홍수를 막으려고 양동이를 쓸 수는 없는 노릇이다.
최근 발표된 보고서가 이러한 내용을 담고 있다. 오스터만 리서치(Osterman Research)에서 발표한 “사이버 보안에서의 인공지능 : 장점, 한계점, 더 커지는 질문들”이다. 1000명 이상의 구성원을 보유하고 있는 조직 400개 이상을 연구하고 분석해서 작성한 보고서로, 인공지능 사용과 관련된 현황이 드러난다.
“인공지능은 강력한 마케팅 덕분에 많은 사람들의 기대를 받는 기술이 되었습니다. 물론 여기서 말하는 많은 사람들은 실무자보다 경영진을 말합니다.” 이번 오스터만 보고서를 지원한 프로텍트와이즈(ProtectWise)의 CPO인 레이먼 페이포크(Ramon Peypoch)의 설명이다. “인공지능만 있으면 생산량이 몇 배씩 늘어나고 인원도 감축할 수 있을 것 같은 느낌을 받는 듯합니다.”
인공지능을 보안에 접목했을 때의 효과를 이제는 모두가 인정하는 분위기이긴 하지만 인공지능의 가치에 대해서는 모두가 같은 생각을 하는 건 아닌 것으로 보인다. 오스터만의 보고서에 의하면 인공지능을 도입한 조직들의 60%가 “경보에 대한 분석이 더 빨라졌다”고 답했고, 비슷하게 60%가 “인공지능이 보안 담당자들의 업무 효율을 높아졌다”고 답했다.
또한 기계의 지능을 더 많이 활용하는 기업일수록 인공지능의 효력에 대해 더 긍정적인 모습을 보였다. 보안 애플리케이션의 10% 혹은 그 이하에만 머신 러닝 기술을 적용한 조직의 경우, 각종 경보에 대한 연구와 분석이 더 빨라졌다고 답한 응답자가 49%였다. 10% 이상에 머신 러닝 기술을 적용한 조직 중 같은 대답을 한 곳은 69%였다.
그러나 머신 러닝이 완벽하다고 믿는 사람은 거의 없었다. 이번 설문에 응한 조직의 60%가 “제로데이나 고급 위협에 대한 머신 러닝의 대응력은 약했다”고 답했다. 절반에 가까운 수는 “오탐의 비율이 너무 높다”고 불평하기도 했다. 왜 그런 걸까? 전문가들마다 의견이 갈리긴 하는데, “머신 러닝 알고리즘을 제대로 훈련시키는 게 어렵기 때문”이라는 답이 가장 많았다.
또 다른 연구조사 기관인 네브라스카 어플라이드 리서치 인스티튜트(Nebraska Applied Research Institute)의 연구원인 히더 로렌스(Heather Lawrence)는 “머신 러닝 전문가가 아직은 많지 않고, 따라서 훈련용 데이터를 처리하고 골라내고 주입하면서 제대로 된 결과를 뽑아내는 게 정말 어렵다”고 설명한다.
그러면서 히더는 “인공지능을 보안에 적용하는 것을 잘 이해하는 전문가는 더더욱 부족하다”고 말을 이어갔다. “인공지능만 해도 무척 어려운 분야죠. 보안도 마찬가지고요. 이 둘을 다 이해하는 사람이 현재 거의 없다는 건 당연한 일입니다. 전문성의 부족이 지금 나타나는 부정적인 결과들의 가장 큰 이유일 거라고 봅니다.”
로렌스는 “머신 러닝 알고리즘에 데이터를 주입해 훈련시킨다는 게 말처럼 쉬운 일이 아니”라고 말한다. “주입할 데이터를 이해하고, 정리하고, 제대로 선택할 줄 아는 전문가가 필요합니다. 그렇기 때문에 아직도 머신 러닝의 보편적인 학습 방법은 ‘감독 학습’이죠. 자율 학습이 활성화되려면 아직 시간과 전문가가 더 필요합니다.” 충분한 투자가 있어야 머신 러닝을 제대로 활용할 수 있다는 것이다.
페이포크는 “보고서를 찬찬히 훑어보면 앞으로 인공지능 분야에서 향상되어야 할 부분이 눈에 보인다”고 말한다. “인공지능의 최대 강점이자 핵심은 바로 효율성의 극대화입니다. 인력난이 지속되는 때에 인공지능으로 최대한의 가치를 만들어낼 수 있습니다. 하지만 그렇다고 해서 인간을 완전히 대체할 것이라는 소리는 아닙니다. 적어도 당분간은요. 아직 인공지능은 초기 단계에 있어요. 더 다듬어지고 고급화가 진행되어야 합니다. 아직 우린 인공지능이라는 여행길에 이제 막 올랐을 뿐입니다.”
지금 인공지능이 차지하고 있는 정확한 위치를 최대한 이해하기 쉽게 설명하기 위해 페이포크는 스포츠의 비유를 든다. “야구로 치면 아직 1회가 시작되지도 않았어요. 전부 운동장을 돌거나 캐치볼로 몸을 푸는 정도일 뿐이죠. 본 게임이 곧 시작될 것입니다만, 아직은 아닙니다.”
3줄 요약
1. 인공지능 도입하는 조직들은 빠르게 늘어나지만, 완벽하다는 평가는 아직 못 받음.
2. 가장 큰 문제는 전문가 부족, 훈련용 데이터 부족.
3. 야구로 치면 아직 야구 1회전도 시작하지 않은 상태. 워밍업 더 필요함.
[국제부 문가용 기자(globoan@boannews.com)]
인공지능 훈련시킬 데이터와, 훈련 감독할 전문가 아직 턱없이 부족해
[보안뉴스 문가용 기자] ‘인공적인 지능’과 비슷한 기술이 탑재된 보안 프로젝트를 시작한 조직이 75%에 가까워졌다는 연구 결과가 발표됐다. 각종 경고와 첩보, 정보가 난무하는 현 상황에서, 그래서 분석하지 못하고 버리는 게 더 많은 시대에, 머신 러닝이라는 기술에 관심이 쏠리는 건 어쩔 수가 없다. 홍수를 막으려고 양동이를 쓸 수는 없는 노릇이다.
[이미지 = iclickart]
최근 발표된 보고서가 이러한 내용을 담고 있다. 오스터만 리서치(Osterman Research)에서 발표한 “사이버 보안에서의 인공지능 : 장점, 한계점, 더 커지는 질문들”이다. 1000명 이상의 구성원을 보유하고 있는 조직 400개 이상을 연구하고 분석해서 작성한 보고서로, 인공지능 사용과 관련된 현황이 드러난다.
“인공지능은 강력한 마케팅 덕분에 많은 사람들의 기대를 받는 기술이 되었습니다. 물론 여기서 말하는 많은 사람들은 실무자보다 경영진을 말합니다.” 이번 오스터만 보고서를 지원한 프로텍트와이즈(ProtectWise)의 CPO인 레이먼 페이포크(Ramon Peypoch)의 설명이다. “인공지능만 있으면 생산량이 몇 배씩 늘어나고 인원도 감축할 수 있을 것 같은 느낌을 받는 듯합니다.”
인공지능을 보안에 접목했을 때의 효과를 이제는 모두가 인정하는 분위기이긴 하지만 인공지능의 가치에 대해서는 모두가 같은 생각을 하는 건 아닌 것으로 보인다. 오스터만의 보고서에 의하면 인공지능을 도입한 조직들의 60%가 “경보에 대한 분석이 더 빨라졌다”고 답했고, 비슷하게 60%가 “인공지능이 보안 담당자들의 업무 효율을 높아졌다”고 답했다.
또한 기계의 지능을 더 많이 활용하는 기업일수록 인공지능의 효력에 대해 더 긍정적인 모습을 보였다. 보안 애플리케이션의 10% 혹은 그 이하에만 머신 러닝 기술을 적용한 조직의 경우, 각종 경보에 대한 연구와 분석이 더 빨라졌다고 답한 응답자가 49%였다. 10% 이상에 머신 러닝 기술을 적용한 조직 중 같은 대답을 한 곳은 69%였다.
그러나 머신 러닝이 완벽하다고 믿는 사람은 거의 없었다. 이번 설문에 응한 조직의 60%가 “제로데이나 고급 위협에 대한 머신 러닝의 대응력은 약했다”고 답했다. 절반에 가까운 수는 “오탐의 비율이 너무 높다”고 불평하기도 했다. 왜 그런 걸까? 전문가들마다 의견이 갈리긴 하는데, “머신 러닝 알고리즘을 제대로 훈련시키는 게 어렵기 때문”이라는 답이 가장 많았다.
또 다른 연구조사 기관인 네브라스카 어플라이드 리서치 인스티튜트(Nebraska Applied Research Institute)의 연구원인 히더 로렌스(Heather Lawrence)는 “머신 러닝 전문가가 아직은 많지 않고, 따라서 훈련용 데이터를 처리하고 골라내고 주입하면서 제대로 된 결과를 뽑아내는 게 정말 어렵다”고 설명한다.
그러면서 히더는 “인공지능을 보안에 적용하는 것을 잘 이해하는 전문가는 더더욱 부족하다”고 말을 이어갔다. “인공지능만 해도 무척 어려운 분야죠. 보안도 마찬가지고요. 이 둘을 다 이해하는 사람이 현재 거의 없다는 건 당연한 일입니다. 전문성의 부족이 지금 나타나는 부정적인 결과들의 가장 큰 이유일 거라고 봅니다.”
로렌스는 “머신 러닝 알고리즘에 데이터를 주입해 훈련시킨다는 게 말처럼 쉬운 일이 아니”라고 말한다. “주입할 데이터를 이해하고, 정리하고, 제대로 선택할 줄 아는 전문가가 필요합니다. 그렇기 때문에 아직도 머신 러닝의 보편적인 학습 방법은 ‘감독 학습’이죠. 자율 학습이 활성화되려면 아직 시간과 전문가가 더 필요합니다.” 충분한 투자가 있어야 머신 러닝을 제대로 활용할 수 있다는 것이다.
페이포크는 “보고서를 찬찬히 훑어보면 앞으로 인공지능 분야에서 향상되어야 할 부분이 눈에 보인다”고 말한다. “인공지능의 최대 강점이자 핵심은 바로 효율성의 극대화입니다. 인력난이 지속되는 때에 인공지능으로 최대한의 가치를 만들어낼 수 있습니다. 하지만 그렇다고 해서 인간을 완전히 대체할 것이라는 소리는 아닙니다. 적어도 당분간은요. 아직 인공지능은 초기 단계에 있어요. 더 다듬어지고 고급화가 진행되어야 합니다. 아직 우린 인공지능이라는 여행길에 이제 막 올랐을 뿐입니다.”
지금 인공지능이 차지하고 있는 정확한 위치를 최대한 이해하기 쉽게 설명하기 위해 페이포크는 스포츠의 비유를 든다. “야구로 치면 아직 1회가 시작되지도 않았어요. 전부 운동장을 돌거나 캐치볼로 몸을 푸는 정도일 뿐이죠. 본 게임이 곧 시작될 것입니다만, 아직은 아닙니다.”
3줄 요약
1. 인공지능 도입하는 조직들은 빠르게 늘어나지만, 완벽하다는 평가는 아직 못 받음.
2. 가장 큰 문제는 전문가 부족, 훈련용 데이터 부족.
3. 야구로 치면 아직 야구 1회전도 시작하지 않은 상태. 워밍업 더 필요함.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-22] 
.jpg)
.jpg)
.jpg)
.jpg)
