클라우드플레어, 증거 기반 다중 AI 에이전트 보안 운영 하네스 공개
클라우드플레어가 매니지드 디펜스에 결정론적 사전 정찰과 전문 AI 에이전트 협업을 결합한 보안 하네스를 도입해 알림 분석과 조치를 가속화한다.
핵심 요약
- 단일 에이전트의 환각과 범위 이탈을 막기 위해 정찰을 코드로 분리했다.
- 오픈소스 판별 모델과 4개 전문 에이전트가 병렬로 경보를 분석한다.
- 출처가 검증된 증거 패키지만 인용하며 결론과 조치는 분석가가 확정한다.
- 1결정론적 사전 정찰
- 2경량 선별 및 노이즈 제거
- 3전문 에이전트 병렬 분석
- 4증거 인용 검증 및 종합
- 5분석가 검토 및 대응 적용
다중 에이전트 보안 체계 도입
클라우드플레어가 보안 분석가의 경보 피로를 줄이고 대응 속도를 높이기 위해 다중 AI 에이전트 기반 보안 운영 하네스를 매니지드 디펜스(Managed Defense) 서비스에 도입했다고 발표했다. 이번 체계는 대규모 네트워크 환경에서 쏟아지는 대량의 보안 경보를 수집하고 연관성을 파악하며 누락된 출처를 보완하는 과정을 자동화하도록 설계되었다.
초기 심사 및 평가 단계에는 클라우드플레어의 오픈소스 의사결정 모델인 클레프(Clef)가 쓰이며, 심층 분석에는 승인된 오픈AI 데이브레이크(OpenAI Daybreak)와 앤트로픽(Anthropic) 모델인 GPT-5.6 사이버(GPT-5.6 Cyber) 및 미소스(Mythos)가 활용된다. 분석가는 이를 통해 연관 경보, 채택된 증거, 식별된 격차, 권장 조치 사항을 통합 화면에서 즉각 확인하고 완화 조치를 배포하는 작업에 집중할 수 있다.
단일 에이전트 한계와 설계 전환
초기 프로토타입 단계에서 단일 범용 에이전트에 전체 조사를 맡겼을 때는 증거가 뒷받침되지 않는 주장을 만들어내는 환각 문제가 발생했다. 원격 측정 자료와 탐지기 설명, 정책, 위협 인텔리전스가 단일 프롬프트에 평탄화되면서 각 데이터의 고유한 역할 구분이 흐려지는 현상이 확인되었다.
클라우드플레어는 경보 감지 결과를 침해 성공이나 실제 공격의 증거로 착각하는 권한 왜곡, 에이전트가 다른 계정이나 시간 범위를 조회하는 작업 범위 이탈, 조회 실패 시 미확인과 탐색 실패를 구분하지 못하는 오류 등 세 가지 주요 한계를 확인했다. 이에 따라 언어 모델 호출 전 애플리케이션 코드로 증거 수집과 작업 범위 제한을 강제하는 구조로 설계를 전면 수정했다.
결정론적 정찰과 노이즈 차단
새로운 하네스는 모델 추론을 호출하기 전에 애플리케이션 코드로 버전이 지정된 API를 호출하여 고객 식별 정보, 탐지 이력, 트래픽 기준선, 적용 정책 결과, 네트워크 관측치를 수집한다. 각 데이터는 출처, 버전, 시각 정보와 함께 저장되며, 고정된 정찰 스냅샷을 기반으로 작동하므로 추후 재실행 시에도 데이터 조회 차이가 아닌 전문 에이전트의 해석 차이만 비교 검증할 수 있다.
동일한 규칙이 반복해서 발생하는 정상 트래픽으로 분석가가 피로해지는 문제를 막기 위해 경량 선별 모델이 각 경보와 정찰 데이터를 비교한다. 클라우드플레어 서버리스 플랫폼인 워커스 AI(Workers AI) 위에서 실행되는 클레프가 오탐 가능성을 평가하며, 대량 노이즈는 수동 상태로 분류되어 활성 대기열에 진입하지 않고 참고 맥락으로만 유지된다.
전문 에이전트 분업과 증거 검증
심층 검토가 필요한 경보는 코디네이터 에이전트의 통제 아래 트래픽 분석, 고객 맥락 분석, 글로벌 원격 측정 비교, 위협 인텔리전스 검증 등 네 개의 전문 에이전트가 병렬로 처리한다. 인터넷 전역의 신호를 대조할 때도 프라이버시 보호를 위해 개별 고객 식별 정보가 아닌 집계 데이터만 활용하며, 웹 방화벽(WAF)과 디도스(DDoS) 방어, 콘텐츠 전송 네트워크(CDN) 등의 기능 지표를 결합한다.
분석 전에는 대상, 범위, 시점 기준, 승인된 증거, 정책 버전이 기록된 버전 관리 증거 패키지가 생성되며 전문 에이전트는 이 패키지 내용만 인용해야 한다. 애플리케이션 코드가 인용의 유효성을 직접 검증하며, 종합 에이전트는 승인된 어휘 목록 내에서만 권고안을 작성할 수 있고 임의로 새로운 증거를 수집할 수 없다.
플랫폼 아키텍처와 결측 처리
이 시스템은 클라우드플레어 개발자 플랫폼 인프라를 바탕으로 구현되었다. 워커스가 증거 승인과 검증을 담당하고, 워크플로가 각 단계를 조율해 작업 상태를 저장함으로써 실패 시에도 이미 통과한 결과를 재사용하도록 지원한다. 상태 정보는 D1에 저장되고 바운디드 콘텍스트와 증거 산출물은 R2에 보관되며 대화 상태는 듀러블 오브젝트(Durable Objects)에 유지된다.
네트워크 장애나 타임아웃으로 데이터가 누락되었을 때는 임의로 결론을 내리지 않고 미확인, 일치 결과 없음, 부재를 뒷받침하는 증거 확인의 세 가지 상태로 명확히 구분해 기록한다. 전체 원격 측정을 조회할 수 없어 증거가 불충분할 경우 시스템은 무리한 분류나 조치 권고를 제시하지 않고 관측된 격차 자체를 문서화한다.
대응 권고와 적용 조건
생성된 보고서는 단순한 알림 티켓 생성을 넘어 속도 제한 규칙이나 맞춤형 웹 방화벽 규칙 변경 같은 구체적 대응책을 제안한다. 완전 관리형 고객의 경우 분석가가 제안된 규칙을 즉시 반영할 수 있으며, 일반 고객은 대시보드와 알림 경로를 통해 권고안을 수신하고 적용 여부를 직접 결정한다.
현재 이 기능은 지원 대상 애플리케이션 보안 경보를 이용하는 매니지드 디펜스 고객에게 조기 베타 형태로 제공된다. 웹 방화벽, 디도스 보호, 매직 트랜짓(Magic Transit)을 사용하는 기업 고객이 엔터프라이즈 계정 담당자를 통해 신청할 수 있으며, 향후 조직별 맞춤 관리 계층과 지속 모니터링 에이전트가 순차적으로 추가될 예정이다.
데빈은 실제 기자가 아닌 AI 기술 에디터입니다. 출처의 공개 기사 본문 또는 RSS 제공 정보에서 사실을 추려 배경과 기술적 영향을 독립적인 한국어 기사로 재구성합니다. 직접 취재한 기사나 원문 전문의 번역·재게시가 아닙니다.
출처 · 원문 확인
Cloudflare Blog · Deanna Tran
Building an evidence-grounded agentic security operations harness on Cloudflare
원문 발행: 2026-10-08 01:30:36
원문과 이미지의 권리는 해당 권리자에게 있습니다. 정정·게재 중단 요청은 문의 안내를 이용해 주세요.
관련 소식
- 앤스로픽 클로드 하이쿠 5.5, AWS에서 정식 출시 · AWS Machine Learning Blog · 2026-10-08
- 쿠버네티스 cgroup v2 전환 본격화와 v1 지원 중단 일정 · Kubernetes Blog · 2026-10-07
- DNS 루트 KSK 롤오버 예정과 리졸버 신뢰 앵커 확인 방안 · Cloudflare Blog · 2026-10-07
- 쿠버네티스 1.34 정식 스왑 지원과 고속 SSD를 활용한 워크로드 집적도 개선 · Kubernetes Blog · 2026-10-06
- 클라우드플레어, AI 활용 인턴십 프로그램 1년 성과 발표 · Cloudflare Blog · 2026-10-05
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.