인공 지능 (AI) 이 실제로 사이버 보안에 이용되고 있을까요? 아니면 단순히 가짜 뉴스일까요? 중요한 것은인공지능은 종종 사이버 보안에서 잘 못 사용되고 있고 현실적으로 진정한 AI는 아직 도달할 수 없다는 것입니다. 실제로 IT 보안 산업에서 활용되고 있는 것은 AI 기술의 하위 범주인 머신 러닝 (ML) 을 가리킵니다.

AI는 인간의 간섭없이 독립적으로 학습할 수 있고 환경으로부터의 입력에만 기반으로 하는 지능적이고 지속 가능한 기계를 말합니다. 반면 머신 러닝은 인간의 전문 지식을 사용한 훈련을 통해 컴퓨터가 방대한 양의 데이터에서 패턴을 찾아내고 정리한 결과에 따라 행동하도록 합니다.

인공지능 보안을 포함한 사이버 보안의 맥락에서는 머신 러닝 알고리즘을 사용하여 샘플을 분류, 분석하고, 유사점을 식별하고, 처리된 개체에 대한 확률값을 산출할 수 있습니다. 즉, 이 알고리즘은 악의적, 잠재적으로 원치 않는 또는 정리의 세 가지 주요 범주 중 하나에 포함됩니다. 즉, 이 알고리즘은 세 가지 주요 범주인 악의적, 잠재적으로 원치 않는 또는
문제가 없는 것 중 하나에 해당합니다. 하지만 최상의 결과를 얻으려면 인간의 전문 지식으로 기술을 교육하여 올바르게 식별된 깨끗하거나 악성인 샘플의 대규모 교육 세트에 대하여 차이를 이해할 수 있도록 해야 합니다.

기계 학습과 인간의 감독을 합한 것을 지도 학습 (Supervised Machine Learning)이라고 합니다. 학습 과정에서 알고리즘은 대부분의 잠재적 위협을 분석하고 식별하는 방법과 이를 완화하기 위해 사전에 행동하는 방법을 배웁니다. 정확하게 표시된 데이터에 대한 교육이 없는 알고리즘은 비지도 학습 (Unsupervised Machine Learning)에 해당합니다. 비지도 머신 러닝은 인간의 눈에서 벗어날 수 있는 데이터 세트에서 유사점과 이상을 찾는 데 더 적합합니다. 알고리즘이 악의적인 것과 깨끗한 것을 반드시 분리할 수 있는 것은 아닙니다. 그러나 알고리즘을 사용하여 데이터를 그룹으로 구성하고 다른 알고리즘을 위한 더 작은 학습 세트를 만드는데 도움이 되어 방대한 샘플 세트로 작업할 때 유용할 수 있습니다. 

반지도 학습 (Semi-supervised Machine Learning)은 알고리즘 학습 과정에 부분적으로 표시된 데이터를 사용하고 전문가가 이를 감독하고 조정하여 원하는 수준의 정확도를 얻을 수 있습니다. 반지도 학습을 사용하는 이유는 완전히 태깅 된 교육 세트를 얻는데에는 시간과 비용이 많이 들며 일부 완전하고 잘못 태깅한 데이터 세트가 발견될 수 있습니다. ESET 의 머신 러닝 엔진인 Augur 은 반지도 학습과 비슷합니다.

머신 러닝은 업계에 매우 유용하지만 새로운 발견은 아닙니다. 1990년대부터 사용되어 왔으며, 우리가 앞서 논의했듯이 AI와는 매우 다릅니다. 인공지능 보안 등 사이버 보안에는 문제 해결의 묘책이 없다는 사실을 기억해야 합니다. 따라서 솔루션이 AI를 기반으로 한다는 벤더보다 신뢰할 수 있는 전문가를 선택하세요.