Offcanvas

IoT / 머신러닝|딥러닝 / 보안 / 빅데이터 | 애널리틱스 / 신기술|미래 / 통신|네트워크

인터뷰 | 데이빗 마이어에게 듣는 머신러닝과 네트워크와 보안

2017.06.01 Christine Heckart  |  Network World


현재 네트워크에서 머신러닝이 도전할 수 있는 문제는 제한적인데, 이는 네트워크의 대규모 표준층에서 가져온 행위 데이터가 부족하기 때문이다. 여기에 더해 데이터에 라벨을 붙이고 공통된 방식으로 결과물을 설명하는 역량도 제한적이다. 향후 2년 정도에 해결해야 할 중요한 문제가 많이 남아 있는데, 보안이나 이상행동 탐지, 부품 장애, 트래픽 혼잡, 최적화된 네트워크 오케스트레이션 등이다.

장기적으로 머신러닝은 우리가 네트워크를 운영하는 알고리즘을 근본적으로 바꿔 놓을 수 있다. 심지어 라우팅과 같이 네트워크의 기반이 되는 알고리즘도 바뀔 수 있다. 오늘날 라우팅 규칙은 매우 단순하며, 링크 지표용의 제한된 요소를 기반으로 산술적으로 이루어진다. 만약 트래픽을 위한 최상의 방법을 결정하는 데 더 많은 실시간 상태 정보를 반영한다면, 훨씬 더 효율적인 네트워크를 구현할 수 있다. 향후 10년 동안 머신러닝은 우리가 네트워크를 관리하고 방식과 네트워크가 운영되는 방식에 관한 거의 모든 것을 바꿀 수 있다.

머신러닝은 우리가 기준 결과치를 가지고 있는 치명적인 문제를 해결하는 데 가장 먼저 적용될 것이다. 단순히 정적인 또는 수치 상의 방식을 처리하는 것을 넘어 분석 및 예측 툴을 발전시켜 정말로 광범위한 네트워크 동작을 고려하는 것이 가장 뜨거운 연구 분야가 될 것이다. 구체적으로는 다음과 같은 분야의 개발 작업이 진행될 것이다.

보안 및 이상 행위 탐지 : 우리는 머신러닝 시스템을 학습시킬 수 있는 악성 네트워크 트래픽의 예를 알고 있으며, 네트워크 관리자와 보안 관리자에게 잠재적인 위험을 알려줄 수 있다. 미래에는 머신러닝이 단지 이런 악성 트래픽을 탐지하는 것뿐만 아니라 위협을 예측하고 완화하는 데도 일조할 것이다. 사물 인터넷과 M2M 접속을 통해 점점 더 많은 디바이스가 네트워크에 연결되면서 신속한 학습 역량은 강력한 보안 환경에 결정적인 요소가 될 것이다.

모든 툴이 그렇듯이 이런 시스템이 네트워크를 보호하는 데만 사용되지는 않을 것이다. 네트워크를 위협하는 측에서도 취약점을 찾는 데 머신러닝을 적용할 것이다. 따라서 보안은 머신러닝을 신속하게 도입해야만 하는 매우 치명적인 네트워크 영역이다.

예측과 완화 : 현재 머신러닝 시스템은 네트워크 행위를 분석하고 네트워크에 문제를 일으킬 소지가 있는 네트워크 프로토콜의 비정상 행위를 예측하는 법을 배우고 있다. 이외에 다른 문제도 학습할 수 있는데, 예를 들어 초기 단계의 부품의 장애나 성능 저하 등을 인식해 사용자에게 영향을 미치는 사고를 사전에 완화하거나 회피할 수 있다.

네트워크 오케스트레이션과 제어 : 네트워크 오케스트레이션과 제어의 복잡한 동역학은 머신러닝 시스템을 적용할 가능성이 높은 또 하나의 영역이다. 머신러닝은 네트워크 환경 설정이나 관리뿐만 아니라 이들 시스템이 진화하는 환경에 적응하고, 가상화된 환경에서도 자원을 최적화하도록 할 수 있다.

자동화 툴 : 네트워크 자동화는 막대한 양의 데이터가 생성되고 관리되기 때문에 머신러닝을 적용하기 좋은 영역이다. 예를 들어, 지난 해 KDDI 연구소는 세계 최초의 AI 지원 자동화 네트워크 운영체제를 위한 개념 증명 시스템을 발표했다. KDDI는 학습 역량이 있고, 대형 네트워크 장애로 이어질 수 있는 하드웨어나 소프트웨어의 이상 동작을 예측할 수 있는 시스템을 선 보였다. 또한 KDDI의 시스템은 통합 관리 시스템을 통해 복구 계획에 착수할 수도 있다.

이외에도 이 분야에서는 네트워크 자동화 툴을 네트워킹을 넘어 데브옵스 등의 자동화된 프로세스로 연결하는 데 머신러닝을 사용하는 방법도 연구하고 있다.

Q. 네트워크 아키텍트가 이런 변화에 대비하기 위해 해야 할 것은 무엇인가?
규모에 관계없이 네트워크 아키텍처를 책임지고 있다면, 머신러닝 분야의 동향을 계속 주시해야 한다. 제대로 공부하고자 한다면, 코세라(Cousera) 강의 중 앤드류 응의 강의를 추천한다. 응 교수는 스탠포드대학 부교수이다. 구글에서 머신러닝과 네트워킹을 검색해도 많은 자료를 얻을 수 있을 것이다.

Q. 네트워크 관리자와 보안 관리자에게 조언을 한다면?
자동화용 기본 툴과 간단한 프로그래밍에 좀 더 익숙해져야 한다. 넷옵스(NetOps) 같은 데서 사용되는 것을 참고하기 바란다. 이런 기반을 갖추면 현재의 네트워크를 운영하는 데 도움이 될 뿐만 아니라 초기 머신러닝 역량을 이용해 네트워크를 보호하고 좀 더 효율적으로 운영하는 데도 대비할 수 있다. 애플의 시리나 아마존 알렉사처럼 일상 생활에서 사용할 수 있는 머신러닝 툴을 사용해 보는 것도 좋다. 인공지능이 시간이 지나면서 사용자의 선호도와 요구사항을 얼마나 잘 학습하는지 알 수 있다.  editor@itworld.co.kr

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.