웨비나속 Q&A

LLM 적용 시 초기 학습 데이터는 내부 문서, 고객 응대 이력, 업무 매뉴얼, 보안 로그, 지식베이스 등에서 확보할 수 있습니다. 다만 모든 데이터를 그대로 학습에 넣는 것이 아니라, 먼저 데이터 발견·분류·정제 과정을 거쳐야 합니다. 탈레스 관점에서는 CipherTrust Data Discovery & Classification으로 학습 후보 데이터 안의 개인정보, 민감정보, 기밀정보, API Key·토큰 같은 Secret을 식별하고 분류합니다. 이후 불필요한 개인정보는 제거하거나 마스킹·토큰화하고, 필요한 데이터만 암호화와 접근통제 하에 사용해야 합니다. CipherTrust는 구조화·비구조화 데이터 저장소에서 민감 데이터를 발견·분류하고, CipherTrust Data Security Platform은 데이터 보호와 중앙 키 관리를 통합 제공합니다. 기술적으로는 학습 데이터 저장소 암호화, 키 관리, 접근권한 최소화, 데이터 마스킹·토큰화, 감사로그, RAG 파이프라인 통제, 프롬프트 인젝션과 데이터 유출 방어가 필요합니다. Thales는 AI Security Fabric을 통해 LLM 애플리케이션, Agentic AI, RAG 파이프라인에서 발생하는 prompt injection, data leakage, model manipulation 같은 위협 대응을 강조하고 있습니다. 관리 측면에서는 데이터 사용 목적 정의, 학습 허용 데이터 기준, 개인정보 영향평가, 보존 기간, 재식별 금지, 제3자 제공·외부 모델 전송 기준, 모델 학습 데이터 반출 승인 절차를 명확히 해야 합니다

탈레스 2026-06-18 14:50

탈레스는 AI 시대에 모든 자동화를 차단하는 것이 아니라, 신뢰할 수 있는 AI 에이전트와 악성 자동화를 구분하는 것이 중요하다고 보고 있습니다. 현재 Imperva ABP는 Good Bot과 Bad Bot을 구분하는 기능을 제공하고 있으며, 향후에는 Agent Identity, 위임된 권한, API 기반 인증 체계를 활용해 합법적인 AI 에이전트가 안전하게 서비스를 이용할 수 있는 방향으로 진화할 것으로 예상합니다.

탈레스 2026-06-18 14:48