로컬 LLM이든 외부 고성능 LLM이든, AI가 인프라를 자동 분석하여 공격 자동 방어를 프로덕션 환경에서 실행. 대역폭 품질은 관측에서 동적 제어로 단계 투입 중.
보안과 품질의 2축 모듈로 운영 과제에 대응합니다.
클라우드 AI가 닿지 않는 영역의
“AI Ops”를, 폐쇄망에서도, 외부 LLM 활용으로도
AWS DevOps Agent나 Azure Security Copilot 같은 클라우드의 에이전트형 AI는 강력하지만, 폐쇄망 환경이나 온프레미스 물리 장비, 그리고 “보안 외의 운영 과제”에는 손이 닿지 않습니다.
데이터 주권 문제
로그가 클라우드 벤더의 AI 기반으로 전송됨. 금융·관공서·의료의 폐쇄망 환경에서는 사용 불가.
종량제 과금의 불투명성
AWS DevOps Agent는 $0.0083/초의 종량제 과금. 조사 횟수가 늘어날수록 비용이 증가하여 예산 예측 불가.
운영 과제는 보안만이 아님
공격 탐지뿐만 아니라 대역폭 품질, 리소스 최적화, 비용 관리 등 AI에 맡기고 싶은 운영 과제는 다양함.
2개의 모듈이
병렬로 동작하는 플랫폼
BASTION은 단일 기능 제품이 아닌, AI Ops Platform으로서 복수의 모듈을 제공합니다. 각 모듈은 독립된 장애 경계를 가지며, 한쪽의 장애가 다른 쪽으로 파급되지 않습니다.
보안 모듈
공격 탐지부터 자동 방어까지. 다층 상관 엔진이 개별 장비의 탐지를 조합하여 공격 캠페인 전체를 가시화. 탐지 후 8초 이내에 복수 시스템 동시 방어 실행.
- 다층 상관 엔진(FW/VPN/인증/앱/엔드포인트)
- 협조 공격 그룹 탐지(동일 서브넷·ASN 단위)
- 캐스케이드 방어(경계 장비+ DMZ Agent 동시 차단)
- DMZ·격리 환경용 경량 Agent
품질 모듈
대역폭 사용 현황의 상시 관측과 동적 배분 제어. 가상 기반의 네트워크 식별자를 직접 활용한 정확한 집계, 시간대별 상한 판정, 가중치 배분까지 구현. 본격 투입은 단계적으로 진행.
- 일정 간격의 VM 트래픽 수집
- 서브넷별·시간대별·상하향별 임계값 판정
- 혼잡 발동 시 동적 rate 제어(가중치 배분)
- 드라이런 모드로 관찰→단계 투입
운영 자가 치유·자가 진화
모니터링·방어에 더해, 플랫폼 자체의 운영을 자가 치유하고 탐지 로직을 지속적으로 자가 개선해 나가는 제3의 방향. 모든 변경은 “AI가 제안하고, 인간이 승인하는” 안전 게이트를 계승합니다.
- 운영 자가 치유(파이프라인 이상의 자동 탐지·복구 제안)
- 탐지 로직의 자율 업데이트(공격 경향을 지속 학습하여 새 룰을 제안, 적용은 인간 승인)
- 외부 API 연동을 통한 티켓 자동 발행(Jira / Redmine 등)
- Management Console 통합 가시화
- 리소스 최적화 제안
심플한 구성, 강력한 자동화
모두 오픈소스로 구성. 폐쇄망 구성이라면 고객 네트워크 내에서 완결되며, 로그 데이터를 외부로 전송하지 않습니다. 외부 LLM을 활용하는 구성도 요건에 따라 선택할 수 있습니다.
로컬 LLM(Qwen2.5-14B), rsyslog, 셸 스크립트, SQLite. 폐쇄망 구성에서는 인터넷 연결도 불필요합니다.
자사 인프라에서, 실제로 가동 중
BASTION은 BESTNET-CLOUD의 프로덕션 환경에서 24시간 가동 중. 보안 모듈은 10대 장비를 방어 대상으로, 품질 모듈은 76개 VM을 관찰하고 있습니다.
캐스케이드 방어 자동 발동
SECURITY
일일 자동 리포트
OPS
“AI에만 맡기지 않는”
운영 안전 설계
프로덕션 환경의 인프라에 자동 제어를 도입하는 이상, AI의 판단 실수나 예상치 못한 상황에 대한 대처는 필수입니다. BASTION은 AI 에이전트가 관측·분석·실행을 담당하는 에이전트형 워크플로(Agentic Workflow)에 인간의 승인 게이트를 내장하여, “인간의 판단과 AI의 실행”을 명확히 구분한 단계적 설계를 채택하고 있습니다.
단계 A — AI에 의한 현황 파악
AI는 읽기 전용으로 현황을 조사·리포트. 판단이나 평가는 출력하지 않음. 프로덕션에 대한 영향 제로.
단계 B — 운영자에 의한 판단
분류·임계값 설정·프로덕션 모드 전환 등의 판단은 모두 운영자가 수행. AI에게 맡기지 않음.
단계 C — AI에 의한 실행
운영자의 판단에 기반하여 AI가 정확히 실행. 프로덕션 쓰기는 “드라이런 → 제한 프로덕션 → 전체 프로덕션”의 3단계. 긴급 정지 명령 상시 구비.
AI 협업의 기본 원칙
VM 분류, 네트워크 구성, 데이터 구조의 세부 사항, 조직 고유의 사정. 이러한 것들은 운영자만이 알 수 있는 사실 영역입니다. BASTION은 AI가 “추측하지 않고, 확인을 요구하도록” 설계되었습니다. 실제 운영에서 얻은 10건 이상의 교훈을 “설계 원칙”으로 체계화하여, 모든 신규 구현에 반영하고 있습니다.
기존 솔루션과의 차이점
BASTION은 단일 지표가 임계값을 넘었는지가 아니라, 복수의 관측면이 보조를 맞춰 무너지기 시작했는지(협조적 시작)를 각 대상의 자체 평상에서의 상대 변화로 포착합니다. 임계값·절대값·global SIEM이 놓치는 협조 패턴을 감지합니다.
| 클라우드 AI 모니터링 (AWS/Azure) | 기존 SIEM/SOAR | BASTION | |
|---|---|---|---|
| 데이터 주권 | 외부 전송 | 제품 의존 | 폐쇄망~하이브리드 선택 가능 |
| 과금 체계 | 종량제 | 라이선스 | 범위 견적 |
| 공격 캠페인 감지 | ○ | 고정 룰 | 수학적 판정 + 협조 공격 그룹화 |
| DMZ·격리 환경 대응 | × | 제한적 | 전용 Agent + 검증 엔진 |
| 대역폭 품질의 동적 제어 | × | × | ○ (품질 모듈·단계 투입 중) |
| 프로덕션 투입 안전성 | 벤더 의존 | 고정 동작 | 3단계 모드 + 긴급 정지 |
| 기기 추가 | API 연동 필요 | 커스텀 대응 | syslog 연결만 |
“수학적 판정”은 비인접 방어 계층을 시간적으로 보조를 맞춰 관통하는 흔적의 평가(계층 간 상관)와 각 대상의 자체 평상에서의 상대 평가를 조합한, 珍田 秀幸(대표)의 독립 연구에 기반한 독자 모델입니다. 상세 내용(수식·파라미터)은 특허 출원 완료(2026년)로 비공개이나, 개념 수준은 기술 블로그에서 단계적으로 공개하고 있습니다.
‘값’이 아니라 ‘변화의 협조’를 본다
단일 지표가 임계값을 넘었는가, 가 아닙니다. 각 방어 계층이 자체 평상에서 상대적으로 벗어나, 같은 시간 창에서 보조를 맞춰 일어섭니다 ── 이 협조적 시작(co-onset)을 다층 상관 엔진이 포착합니다. 단독 스파이크는 줍지 않습니다.
복수의 방어 계층이 같은 시간 창에서 보조를 맞춰 일어섰을 때만을 “협조 패턴”으로 감지합니다. 각 계층은 자체 평상에서의 상대 변화로 평가하며, 단독 스파이크(무관한 흔들림)는 줍지 않습니다. 글로벌 임계값이나 절대값으로는 보이지 않는, 계층을 넘나드는 협조를 포착하는 것이 다층 상관 엔진입니다.
보안 + 품질, 2축의 기능 전개
🛡 보안 모듈
- 다층 상관 캠페인 탐지 — 5개 계층의 로그를 교차 분석. 개별 장비에서는 보이지 않는 공격 시나리오를 가시화
- 협조 공격 그룹 탐지 — 동일 서브넷·ASN 단위의 조직적 공격을 일괄 파악
- 캐스케이드 방어 — 1건 탐지로 여러 장비에 동시 전파. 경계 장비+DMZ Agent 동시 차단
- OS 통합 차단 방식 — firewalld/ufw/iptables로 통합. 고객 환경의 미들웨어에 의존하지 않음
- DMZ 전용 Agent — WebSocket 통신. Agent 측은 최소 권한·검증 엔진에 의한 이중 방어
- 장비 자동 분류 — syslog를 향하기만 하면 모니터링 시작. 등록 작업 제로
- 화이트리스트 보호 — 자사 IP·거래처 IP의 오차단을 물리적으로 방지
- 24시간 자동 해제 — 일시적 오탐지라도 차단이 영구화되지 않는 설계
📊 품질 모듈
- 가상 기반 식별자 기반의 정확한 집계 — VM 식별을 가상 기반의 네트워크 식별자에서 직접 취득하여 오판정 배제
- 서브넷별·시간대별·상하향별 판정 — 회선 특성에 따른 개별 임계값 설계
- 동적 rate 제어 — 혼잡 발동 시 가중치 배분으로 VM 개별 제어
- 가중치 제어 — 운영자의 재량으로 VM 단위 우선순위 조정 가능
- 드라이런 기본값 — 판정만 동작하여 관찰, 프로덕션 모드 전환은 운영자 판단
- 단계적 프로덕션 투입 — 1개 서브넷 한정 → 전체 서브넷의 신중한 전개
- 긴급 정지 명령 — 모든 제어의 즉시 해제를 처음부터 구현
- 자동 해제 — 혼잡 해소가 15분 지속되면 자동으로 제어 해제
하네스 구축을 통한
하이브리드 LLM 연계
로컬 LLM(Qwen2.5-14B)을 기반으로 하면서도, Claude나 GPT 등 외부 고성능 LLM API와도 연계합니다. 용도에 따라 적절한 LLM을 구분하여 사용하는 하네스를 통해, 정형 업무의 자동화나 예상 외 문제에 대한 대응에도 대응할 수 있는 틀입니다.
정형 업무의 자동화
정기 리포트, 인벤토리 점검, 운영 기록 정리 등 외부 LLM이 강점을 보이는 정형 처리를 자동화. 판단 작업은 사람에게 맡기면서 작성이나 구조화를 맡기는 용도.
문제 발생 시 고도 추론
통상 운영에서는 나오지 않는 복잡한 문제나 예상 외의 장애 시나리오 등, 로컬 LLM으로는 어려운 상황에서 외부 LLM의 추론력을 빌리는 용도.
하네스에 의한 전환 제어
어떤 LLM을 어떤 상황에서 사용할지를 제어하는 하네스. 비용·데이터 주권·추론 성능의 균형을 고객 환경마다 설계 가능.
기술의 세부 사항을 공개하고 있습니다
“제대로 운영할 수 있는가”가 최대의 차별화라 생각하며, 개념 수준의 설계 판단이나 운영 노하우는 적극 공개하고 있습니다. 구체적인 고객 IP나 조직 정보, 특허 관련 수식은 비공개입니다.
아름다운 설계일수록 실데이터로 의심한다 ― 검증 규율
운영에 자동 제어를 넣기 전에, 가설을 실데이터로 반증한다 ― BASTION의 검증 규율.
글 읽기 →로컬 LLM으로 인프라 로그를 자동 분석하는 방법
Qwen2.5-14B + GPUStack으로 로그 분석의 정밀도와 결정성을 모두 갖춘 구현 기록.
글 읽기 →다층 상관 캠페인 탐지의 구조
단일 장비의 로그로는 보이지 않는 공격 시나리오를 계층 간 추적으로 가시화하는 설계.
글 읽기 →DMZ용 경량 Agent와 검증 엔진
침해될 가능성이 있는 DMZ 환경에서 “Agent를 신뢰하지 않는” 전제의 설계.
글 읽기 →LLM 할루시네이션 감사의 구현
AI가 조작한 가상의 인시던트를 실제 로그로 자동 대조하는 구조.
글 읽기 →먼저 상담해 주세요
대상 장비 및 요구사항 청취 후, 범위에 맞는 제안을 드립니다.
보안 모듈 단독 도입도, 두 모듈 모두 도입도 가능합니다.
개정 이력
| 날짜 | 버전 | 변경 내용 |
|---|---|---|
| 2026-04-16 | v1.0 | 초판 공개. 아키텍처 다이어그램, Slack 실화면 5장, 경쟁 비교표, 기능 목록. |
| 2026-04-17 | v1.1 | Evidence 섹션에 횡단 분석(OPNsense×AD) 스크린샷 추가. HP 동선 설치. |
| 2026-04-21 | v2.0 | 자동 장비 분류·엔드포인트 모니터링을 기능 목록에 추가. 기술 블로그 4편 링크 섹션 추가. |
| 2026-04-23 | v2.1 | 반응형 방어(공격원 IP 자동 차단·풀오토 가동 중) 추가. |
| 2026-04-24 | v2.2 | 다층 상관 캠페인 탐지 추가. 기술 블로그 8편으로 업데이트. |
| 2026-05-10 | v2.3 | BASTION을 AI Ops Platform으로 재정의. 보안 모듈+품질 모듈 2축 구조로 변경. 협조 공격 그룹 탐지, 캐스케이드 방어, DMZ Agent, AI 협업 안전 설계(단계 A/B/C·드라이런 기본)를 반영. 프로덕션 방어 대상 10장비, 품질 모듈 관찰 대상 76 VM 수치 반영. 하네스 구축에 의한 하이브리드 LLM 연계(실험 단계) 섹션 추가. |
| 2026-05-14 | v2.4 | 기술 블로그 기사 3편(다층 상관 캠페인 탐지 / DMZ Agent와 검증 엔진 / 로컬 LLM으로 인프라 로그를 자동 분석하는 구조) 공개 및 LP 내 관련 링크를 실제 URL로 업데이트. NEW / Coming soon 배지 추가. |
| 2026-06-09 | v2.5 | 특허 출원 상태를 “출원 준비 중”→“출원 완료(2026년)”로 업데이트. 품질 모듈의 가동 상황을 히어로·비교표에서 “단계 투입 중”으로 명확화(보안=프로덕션 실행/품질=관측에서 단계 투입). |
| 2026-06-12 | v2.6 | 테크 블로그에 “아름다운 설계일수록 실데이터로 의심한다(BASTION 검증 규율)”를 공개. TECH BLOG 섹션에 글 카드를 추가. |
| 2026-06-13 | v2.7 | 테크 블로그 섹션을 카드화(주목 글 “검증 규율”을 피처드 표시). 검증 규율 글과 다층 상관 엔진 가시화를 5개 언어로 전개. |
| 2026-10-17 | v2.8 | EXTENSIBILITY 섹션의 외부 LLM 연계에서 “실험 단계” 표기를 삭제. |
