[AISEC] 정보보안과 인공지능개론, 빅데이터

안녕하세요 글루미입니다.

본 포스팅의 원본 글은 https://velog.io/@gloomy_passion/KDTAISEC-1주차-정보보안과-인공지능개론 입니다.

 

정보보안

정보보안이란?

정보의 수집, 가공, 저장, 검색, 송신, 수신 도중 정보의 훼손, 변조, 유출 등을 방지하기 위한 관리적, 기술적 방법을 의미합니다.

 정보보안의 3요소: 기밀성, 무결성, 가용성 (CIA)

• 기밀성(`Confidentiality`): 허락되지 않은 사용자 또는 객체가 정보의 내용을 알 수 없도록 하는 것
• 무결성(`Integrity`): 허락되지 않은 사용자 또는 객체가 정보를 함부로 수정할 수 없도록 하는 것
• 가용성(`Availability`): 허락된 사용자 또는 객체가 정보에 접근하려 하고자 할 때 방해받지 않도록 하는 것

공격과 방어

공격자들은 기본적으로 방어자들의 방어 기술을 다 인지하고 있고 최대한 방어 기술을 피하며 공격하기 때문에 방어자들은 공격자들보다 늘 한 발씩 느릴 수밖에 없습니다. 보안 솔루션을 설치하고 여러 가지 보안 정책을 수립하는 이유이며, 공격에 대해서는 정책으로 대비하고 기술로 대응합니다.

공격과 대응 프로세스

사이버보안 트렌드

• 정보보안 위협 트렌드와 솔루션의 발전
  • 인공지능 기능을 탑재한 위협 탐지 솔루션의 등장: 다크트레이스, 맥스 등
  • 위협 데이터를 하나로, 보안 자동화 및 오케스트레이션(`SOAR`)
    • `SOA(Security Orchestration and Automation)`: 한 조직이 보유한 여러 개의 워크플로우를 관리하는 기법
    • `SIRP(Security Incident Reponse Platform)`: `SIEM`에서 탐지된 위협 대응 지원 시스템
    • `TIP(Threat Intelligence Platform)`: 위협 인텔리전스 중 관련 데이터를 찾아 환경에 맞는 최적의 액션 제시

`SIEM(Security Information and Event Management)`은 조직에서 비즈니스에 문제를 일으키기 전에 보안 위협을 탐지, 분석 및 대응하도록 도와주는 솔루션입니다.

 

인공지능 개요

인공지능이란?

AI research is defined as the study of "Intelligent agents": any device that perceives its environment and takes actions and maximize its chance of successfully achieving its goals.
주변 환경에 맞는 성공 확률을 보장하는 최적의 행동을 취하는 기계를 의미합니다.

인공지능의 정의

빅데이터와 발전된 컴퓨팅 파워를 기반으로 알려진 학습 기술을 통해 기계가 스스로 학습하고, 학습 결과가 인간에게 이롭게 이용될 수 있는 기술을 의미합니다.

인공지능 시스템의 구조

• 1단계: 인지 → 센서로 주변 환경을 인식합니다. (카메라, 초음파, 적외선 등)
• 2단계: 처리 & 결정  → 학습한 결과(`Algorithm`)를 토대로 데이터를 처리합니다.
• 3단계: 행동 → 처리 결과를 실행에 옮깁니다.

인지 → 처리 & 결정 → 행동의 구조로 이루어져 있습니다.

 

인공지능 학습 방법

지도학습(Supervised Learning)

정답이 있는 데이터를 활용해 데이터를 학습하는 방법입니다. 입력 값(`X data`)이 주어지면 입력값에 대한 `Label`(정답지, `Y data`)를 주어 학습합니다. 대표적으로 `분류(Classification)`와 `회귀(Regression)` 문제가 있습니다.

비지도학습(Unsupervised Learning)

지도학습과는 달리 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화하는 학습 방법입니다. 새로운 데이터에 대한 결과를 예측하는 방법의 학습이고, 정답이 없는 데이터로부터 패턴이나 형태를 찾아야 하기 때문에 지도학습보다 난이도가 높습니다. 실제로 지도학습에서 적절한 특징을 찾아내기 위한 전처리 방법으로 비지도 학습을 이용하기도 합니다.

강화학습(Reinforcement Learning)

행동에 대한 보상을 받으며 학습하는 방법입니다. 어떤 환경 안에서 선택 가능한 행동들 중 보상을 최대화하는 행동 또는 행동 순서를 선택하는 방법입니다. 강화학습의 예로 게임이 가장 대표적입니다.

인공지능의 학습 방법 출처:  https://blog.naver.com/k0sm0s1/221863569856

 

빅데이터

빅데이터의 정의

2001년 가트너(`Gartner`)가 내린 정의로, 양(`Volume`)이 매우 많고, 증가 속도(`Velocity`)가 빠르며, 종류(`Variety`)가 매우 다양한 데이터를 의미합니다(`3V`). 하지만 최근에는 정확성(`Veracity`)과 가치(`Value`)를 추가한 `5V`로 정의합니다.

빅데이터의 정의 (5V)

빅데이터 적용 사례

• 타깃(`Target`): 2002년 타깃은 데이터 분석 전문가인 앤드류 폴을 영입한 후 `임신 예측 모델`등을 개발합니다. 타깃에서는 임산부들에게 보낼만한 쿠폰 우편을 한 고등학생에게 보내 화제가 되었는데, 당시 그 학생의 아버지는 고등학생에게 이런 우편을 보냈다며 타깃에 항의하였지만 며칠 뒤, 학생은 실제 임신 중인 것으로 확인되었습니다.
• 아마존(`Amazon`): 아마존에서는 고객의 구매 내역을 분석하고 간단한 설문조사 등을 통해 꾸준한 연구를 진행한 끝에 미래의 주문 가능한 상품을 예측하는 알고리즘의 개발에 성공하고 2014년에 예측 배송 시스템의 특허를 취득하였습니다.