한 줄 정의
데이터 보안은 데이터의 유출·변조·손실을 막기 위해 접근 통제, 암호화, 모니터링 등으로 데이터를 보호하는 활동입니다.
데이터 보안 특성
데이터 보안은 접근 권한 관리, 전송·저장 시 암호화, 이상 접근 탐지, 백업 등 여러 계층으로 구성됩니다. AI 도입이 늘면서 학습 데이터와 추론 결과가 외부로 나가지 않도록 하는 것도 중요한 과제가 되었습니다. 그래서 데이터를 내부에 두는 온프레미스 AI나 현장에서 처리하는 엣지 AI가 보안이 중요한 환경에서 선호됩니다.
데이터 보안이 필요한 이유
- 자산 보호
생산·고객·도면 데이터 등 핵심 자산의 유출과 손실을 막습니다.
- 규제 준수
개인정보보호 등 법·규제 요건을 충족해 법적 리스크를 줄입니다.
- 신뢰 유지
데이터 사고를 예방해 고객과 파트너의 신뢰를 지킵니다.
실제 업무 적용 사례
한 제조사는 AI 검사 도입을 검토하면서 생산 도면과 불량 이미지가 외부 클라우드로 전송되는 점이 걸려 진행을 망설였습니다. 기존에는 데이터를 외부 서버에 올려 분석했기에 유출 우려와 보안 규정 위반 위험이 있었습니다. 데이터를 내부에 두는 온프레미스·엣지 AI 방식으로 바꾸고 접근 권한과 암호화를 적용하자, 핵심 데이터가 외부로 나가지 않으면서도 AI 분석을 활용할 수 있게 되어 보안 우려 없이 도입을 진행했습니다.
자주 묻는 질문
데이터를 외부 클라우드로 보내 처리하면 유출 위험이 늘 수 있습니다. 이를 줄이려면 데이터를 내부에 두는 온프레미스 AI나 현장에서 바로 처리하는 엣지 AI를 활용해 데이터가 외부로 나가지 않게 하는 방법이 있습니다.
어떤 데이터가 어디에 있고 누가 접근하는지 파악하는 것부터 시작합니다. 이후 접근 권한 최소화, 암호화, 이상 탐지·백업 체계를 단계적으로 갖추는 방식이 일반적입니다.
네. 학습 데이터와 모델 자체도 유출되면 안 되는 자산입니다. 접근 권한을 최소화하고 암호화하며, 외부로 내보낼 필요가 없도록 온프레미스나 엣지에서 처리하는 것이 안전합니다. 고객 요청 시 특정 데이터의 학습 영향을 지우는 기계 비학습도 함께 고려할 수 있습니다.
관련 용어
- 온프레미스 AI (On-premise AI) — AI를 외부 클라우드가 아닌 기업 자체 인프라에 구축·운영하는 방식
- 엣지 AI (Edge AI) — AI 추론을 클라우드가 아닌 현장 엣지 서버·디바이스에서 직접 처리하는 방식
- 기계 비학습 (Machine Unlearning) — 학습된 AI 모델에서 특정 데이터나 지식을 선택적으로 제거하는 기술
© SAIGE All Rights Reserved.