핵 폐기물 같은 존재··· ‘데이터 삭제’의 방어적 가치

CIO
데이터가 새 시대의 ‘기름’이라면, 기름처럼 누출 사고도 조심하는 것도 필수적이다. 확실한 방어법인 데이터 삭제 정책에 대해 살펴본다. 

펍 체인 웨더스푼(Weatherspoon)은 고객 65만 명 이상의 개인 정보가 누출되는 사고를 겪었다. 이후 이 회사가 위험을 줄이기 위해 내린 결정은 보관하고 있던 고객 정보 거의 대부분을 삭제하는 것이었다. 데이터가 없으면 GDPR SAR(Subject Access Request)에 따라 관련 정보를 공개하고, 컴플라이언스 여부를 확인하고, 데이터 침해 사고에 따른 사과를 할 필요가 없다.

캘리포니아 변호사 협회 인터넷 및 프라이버시법 위원회(California Lawyers Association Internet & Privact Law Committee)의 조슈아 드 라리오스-헤이먼 의장은 데이터가 유출될 경우 아주 ‘유독’하기 때문에, 석유보다는 ‘우라늄’ 같다고 생각하는 것이 좋다고 말했다. 그는 “다 쓴 우라늄봉을 어떻게 하는가? 아주 유독하기 때문에 이를 제거하기 아주 어렵다. 이를 제대로 폐기 처분하지 않으면 소송을 당할 것이다”라고 말했다.

이런 식으로 위험을 바라보자. 조직이 저장하고 있는 데이터 중 없는 것이 더 나은 데이터는 무엇일까?
 
ⓒ Image Credit : Getty Images Bank


불필요한 데이터는 수집하지 않는다.
전혀 가치가 없는 데이터들이 적지 않다. 이를 계속 유지하면 위험이 증가한다. 마이크로소프트의 애저 및 엔터프라이즈 보안 담당 CVP(Corporate Vice President)인 줄리아 화이트는 “GDPR 때문에 없애야 할 그런 것들이다”고 말했다.

ACLU의 선임 기술 연구원인 존 칼라스는 스토리지 비용이 싸지고 있어 계속 데이터를 유지해도 큰 돈이 들지 않는다고 생각하는 것은 잘못된 생각이라고 지적했다.

그는 “데이터 유지 비용은 생각보다 더 비싸다. 그리고 그 혜택도 갈수록 낮아지고 있다. 물론 분석에 도움을 주고 유용할 가능성도 있다. 그렇지만 동시에 위험을 초래할 가능성도 있다. 침해 사고로 잃어버리거나, 소송으로 인해 소환되는 경우를 예로 들 수 있다. 그런데 유용할 확률이 갈수록 낮아지고 있다. 반면 위험은 그대로이다. 누군가 5년 전 살았던 집 주소가 한 예다. 불필요하고 비즈니스에 도움이 되지 않는 데이터이다. 그러나 EU 규정에 따르면 이런 부정확한 데이터를 잃어버리는 것도 잃어버리는 것이다. 일정 시점에 이런 선을 넘게 된다. 이런 선을 넘기 전에 데이터를 버려야 한다”라고 말했다.

칼라스는 또 호출이나 SAR(subject access request) 비용이 저장 비용보다 비쌀 수 있다고 덧붙였다. 그는 “무슨 일이 일어나고, 갖고 있는 일부 데이터 때문에 문제에 직면할 가능성이 데이터 가치보다 더 높다. 확실한 근거를 바탕으로 데이터를 유지하는 절차는 아주 크게 다른 상황을 만들어준다”라고 강조했다.

고위험 데이터
베리타스(Veritas)의 자스미 사구 시니어 디렉터는 CIO닷컴에 “데이터센터에 저장해 유지하는 데이터 중 1/3은 중복 데이터, 쓸모 없게 된 데이터, 하찮은 데이터이곤 한다”라고 말했다.

그는 “비즈니스 가치가 거의, 또는 전혀 없는 데이터이다. 데이터 노출과 위험을 감안했을 때 선행적으로 삭제하는 것이 좋다. 예를 들어, 과거 근무했던 직원이나 과거 고객에 대한 데이터는 아주 위험이 높다. 개인 식별 정보가 포함될 수 있기 때문에 법적인 이유에서만 유지할 가치가 있다. 금융 관련 기록은 특히 해커들에게 취약하다. 주의를 기울여 관리해야 하는 민감한 데이터이다”라고 말했다.

반드시 삭제해야 할 불필요한 데이터를 찾으려면 어떻게 해야 할까? 사구는 “이 질문에 대한 대답의 출발점은 데이터의 세부 사항을 파악할 수 있는 역량을 갖추는 것이다. 위험한 부분, 잠재적인 가치가 있는 부분을 정확히 파악할 수 있어야 한다. 또 무엇이 저장되어 있는지, 누가 액세스 하는지, 얼마나 자주 액세스 하는지 파악하는 것도 중요하다. 이런 역량을 갖춰야 존재하는 데이터의 종류를 파악, 데이터 유지 정책에 따라 분류를 시작할 수 있다. 최소 분기에 한 번 이상 이런 파일들을 제거해야 한다”라고 강조했다.

ISG의 블레어 헨리 프랭크 수석 애널리스트에 따르면, 분석 목적에서 절대 저장하면 안 될 데이터도 있다. 그는 이와 관련, “2019년인데 여전히 단순한 텍스트 형식으로 사용자 암호를 저장하는 기업과 기관이 있다. 이는 문제를 유발하는 행위이다”라고 말했다.

더 이상 사용하지 않는 시스템과 관련된 데이터를 삭제해야 한다. 웨더스푼을 예로 들면, 과거 이용했던 웹사이트에서 사용자 데이터가 유출되었다. 애초 존재해서는 안 될 웹사이트인 것이다. 뿐만 아니라, 어도비의 암호 데이터 침해 사고도 프로덕션에 사용되지 않는 오래 된 시스템에서 발생했다. 프랭크는 “기업들은 레가시 IT 인프라의 일부라는 이유 때문에 거의 사용하지 않거나, 시대에 뒤떨어진 시스템을 그냥 무시할 수 없다”라고 지적했다.

특히 추출되어(통상 XLS나 CSV 파일 형식) 개발자에게 표본 데이터용으로 전달된 고객 데이터베이스 사분 추적에 각별한 관심을 기울여야 한다.


여기에는 ‘마스킹(가림)’ 처리를 한 데이터를 사용해야 한다. 데이터를 ‘마스킹’하면, 테스트에 사용할 관련된 통계적 속성들만 유지시켜 노출 위험을 피할 수 있다.

델픽스(Delphix)의 벤자민 로스 디렉터는 “프로덕션 단계가 아닌 개발 및 테스트 환경이 중요하기는 하지만, 위험 표면을 크게 증가시키며, GDPR 컴플라이언스에 있어 취약점이 되는 경우가 많다”라고 지적했다.

‘익명화(Deidentify)’를 하지 말고 ‘삭제’를 한다
머신러닝 시스템이 언젠가 유용한 무엇을 발굴할 것이라는 모호한 희망이 아닌, 지금 당장의 비즈니스 근거를 바탕으로 데이터를 유지해야 한다. 칼라스에 따르면, AI 스타트업 투자가인 안드레센 호르비츠 조차 방대한 데이터 수집의 가치에 의문을 제기하고 있다. 

칼라스는 “이런 ‘데이터 해자’를 구현하면 지속가능한 경쟁력이 확보된다고 잘못 생각하고 있다. 투자자들은 이것이 사실이 아니라는 점을 직접 체험해 깨달었다. 비즈니스에 도움이 될 것이라고 생각하지만, 그럴 가능성이 희박하다”라고 말했다.

마이크로소프트 리서치의 마리 L. 그레이 선임 연구원에 따르면, 머신러닝 모델 트레이닝에 사용할 것으로 고려하는 데이터 세트에 포함된 개인 식별 정보(PII)에 특히 해당되는 사항이다. 그녀는 “GDPR로 인해 PII 회사들이 수집할 수 있는 정보, 여기에 액세스 할 수 있는 사람, 감사 대상, PII를 조정해 이를 수집한 기업 외부에 판매할 수 있는 때와 방식, 유지 기간 등에 제약이 아주 많다”라고 말했다.

그녀는 “데이터 익명화를 한다고 데이터를 안전하게 보관 및 유지할 수 있는 것은 아니다. 개인을 식별할 수 있는 충분한 데이터가 있기 때문이다. 수집한 모든 데이터를 영구적으로 익명화 하는 것을 고려하는 것은 말이 되지 않는다”라고 경고했다.

이어 “데이터 관련 기술 산업은 수집을 멈추기 위해 할 수 있는 일을 파악하는 것은 둘째 치고, 데이터를 없애는 방법도 파악하지 못했다. 이 산업은 해시 PII에 동의를 했다. 그런데 이는 암시장을 운영하는 것이나 다름없다. 그러나 우리가 하는 일에 대해 다른 모든 데이터를 수집할 수 있다. 우리가 하는 일, 이런 일을 하는 장소를 예측할 수 있다면 디지털 발자국도 만들 수 있는 것이다. 다시 말해, PII와 크게 다르지 않다”라고 덧붙였다.

이름과 생년월일 같은 명확한 식별자를 없애는 것은 어렵지 않다. 그렇지만 이렇게 익명화 한 데이터에 여전히 PII가 포함되어 있을 수 있다. 이름을 입력하는 필드가 아닌 데, 사용자가 자신의 완전한 이름을 입력하는 경우 등이 있을 수 있기 때문이다.

그레이는 “데이터 침해 사고를 막기 힘든 이유가 여기에 있다. 이메일 주소 데이터 세트 1개, 지리 메타데이터, 검색 쿼리가 있다고 가정하자. 이들 데이터를 조합, 이름과 생년월일, 위치를 생성하는 검색 스트링에 도달할 수 있다. 그리고 특정 이메일 주소와 연결된 개인을 식별할 수 있다”라고 말했다.

프랭크는 이렇게 잠재적으로 ‘독’이 되는 데이터가 데이터 전략을 방해할 수도 있다고 경고했다. 그는 “불필요한 정보가 많으면 유용한 데이터 분석이 어려워진다. 모델 구현과 테스트에 필요한 시간이 증가하기 때문이다. 이 문제를 해결하려면, 기업은 정보가 창출하는 가치를 적극적으로 판단하고, 이런 예상되는 가치를 갖고 있는지 확인하기 위해 데이터를 테스트해야 한다”라고 말했다. 

마이크로소프트 클라우드 및 AI 그룹의 스콧 거드리 VP는 저장하는 데이터를 줄이고 가능한 많이 익명화를 하는 것이 좋다고 말했다. 그는 “웹 검색에 대해 텔레메트리를 한다고 가정할 때, 사람들이 웹 검색을 한 정확한 장소(집 주소)를 저장하는가? 아니면 거리 등으로 익명화해 처리하는가? 이 경우, 데이터 침해 사고가 발생해도 프라이버시는 침해되지 않는다”라고 말했다.

데이터가 없으면, 누구도 데이터를 악용할 수 없다
칼라스는 “데이터를 버려야 하는 이유를 묻지 말라. 대신 유지해야 하는 이유를 물으라”라며, “데이터를 유지해야 하는 이유나 근거가 확실하지 않으면 버려야 한다. 지금은 꽤 저렴하게 더 많은 데이터, 더 새로운 데이터를 수집할 수 있기 때문이다”라고 말했다. 웹사이트 옵트인(가입), 베타 소프트웨어 프로그램의 텔레메트리, 서베이 참여에 대한 보상 등이 해당될 수 있다. 또 동의를 얻었다는 점을 입증할 수 없는 데이터는 그 즉시 삭제해야 한다.

그는 “PII를 버려도 통계 데이터는 얻는다. 이것이 원하는 것, 필요한 것이다. 교통 당국이 조사를 실시한다고 가정하자. 정확한 데이터가 필요하다. 여기에 대가를 지불할 가치가 있고 타당하다. 그렇지만 일종의 데이터 ‘그라인더’를 이용하고, 원본 데이터를 버리고, 1년 안에 다 쓴 데이터를 없애는 것이 좋다. 다시 말해, 고쳐야 할 도로를 파악한다고 가정하자. 이미 고친 도로에 대한 데이터는 필요 없다. 특히 데이터를 통해 다른 곳을 고쳐야 한다는 점을 파악한 경우는 더 그렇다. 이미 고친 도로에 대한 데이터는 ‘독’ 이다. 장점은 없고 단점만 존재한다”라고 말했다.

아울러 데이터 유지 기간에 대한 정책을 명확히 해야 한다. 로그 파일을 1주일 이상 유지하지 않는 것을 예로 들 수 있다(디버깅만 예외). 칼라스는 어느 정도 강제적인 시스템을 통해 이런 결정을 내리도록 유도하는 것이 좋다고 말했다. 

그는 “계속 유지해야 하는 이유를 말하지 않으면 데이터 웨어하우스의 데이터를 10년 뒤에 모두 삭제한다고 말하면, 데이터를 웨어하우스에 저장해야 하는 이유에 대해 생각을 하도록 만들 수 있다”라고 말했다. ciokr@idg.co.kr