AI 및 머신러닝

AlloyDB ScaNN이 벡터 검색을 100억 개의 벡터로 확장하는 방법

Thu, 03 Sep 2026 21:00:00 +0000

*이 콘텐츠는 AI 번역 도구를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역에는 오류나 누락이 포함될 수 있습니다. 정확한 정보는 영문 원본을 참고해 주시기 바랍니다.

엔터프라이즈급 에이전트 AI 애플리케이션의 요구사항을 충족하기 위해 기본 벡터 데이터베이스는 최신 사용 사례가 수십억 개의 벡터로 확장될 수 있으므로 효과적으로 확장하는 데 어려움을 겪는 경우가 많습니다.

완전 관리형 PostgreSQL 호환 데이터베이스 서비스인 AlloyDB는 까다로운 엔터프라이즈 워크로드를 처리하도록 설계되었습니다. Google의 인프라와 상용 데이터베이스의 안정성을 결합하여 높은 가용성과 확장성을 제공하며, 에이전트 AI 사용 사례에 최적화된 최첨단 분석 엔진을 포함합니다. 이러한 성능의 핵심은 ScaNN 색인으로, 이제 100억 개의 벡터 규모에서도 효율적으로 작동합니다. 이는 혁신적인 4단계 트리 (프리뷰)와 효율적인 메모리 사용량을 결합한 주요 아키텍처 개선을 통해 달성되었습니다.

100억 벡터 규모의 과제

100억 개의 벡터 워크로드로 확장하려면 상당한 메모리와 컴퓨팅 문제가 발생합니다. 이전 AlloyDB ScaNN 트리 기반 색인은 2단계 또는 3단계 트리 구성으로 제한되었으며, 이러한 구조를 확장하려고 하면 다음과 같은 여러 병목 현상이 발생했습니다.

컴퓨팅 집약도 증가: 더 큰 트리 구조는 색인 구성과 쿼리 순회 모두에 훨씬 더 많은 연산을 요구합니다.
메모리 제약: 100억 개의 벡터에 필요한 샘플링 프로세스가 시스템의 사용 가능한 메모리 용량을 쉽게 초과할 수 있습니다.

솔루션: 4단계 아키텍처

최근 AlloyDB ScaNN 출시의 주요 혁신은 4단계 트리 (프리뷰)의 도입입니다. 그림 1에 나와 있는 이 아키텍처는 하향식 전략을 사용하여 정확성과 빌드 효율성 간의 균형을 최적화합니다. 높은 성능을 유지하고 재현율 손실을 완화하기 위해 시스템은 Top-K 브랜치, SOAR, 중심점 조정, 균형 잡힌 트리 모양과 같은 주요 개선사항을 통합합니다.

그림 1. AlloyDB ScaNN 4단계 트리 아키텍처

이 설계에는 두 가지 주요 이점이 있습니다.

1. 계층적 파티셔닝을 통한 컴퓨팅 집약도 감소

4단계 아키텍처는 계층적 파티셔닝을 사용하여 쿼리 중에 스캔되는 벡터의 양을 제한함으로써 컴퓨팅 집약도를 크게 줄입니다. 평면적이거나 제대로 분할되지 않은 공간을 탐색하는 대신, 다층적 계층 구조는 검색 경로를 기하급수적으로 좁힙니다. 그림 2는 다양한 트리 수준에서 검색 공간을 보여주며 구조적 계층화가 순회 효율성을 어떻게 최적화하는지 보여줍니다.

그림 2. 2단계, 3단계, 4단계 트리의 검색 공간

2단계: 대략적인 파티셔닝을 활용하여 쿼리를 안내하므로 기본 검색 복잡도는 O(N1/2)입니다.
3단계: 중간 레이어를 도입하여 클러스터를 더 세분화하고 탐색 범위를 O(N1/3)으로 좁힙니다.
4단계: 순회 효율성을 O(N1/4)까지 최적화하는 세분화된 파티션을 구현하여 100억 개 이상의 벡터를 충분히 허용합니다.

AlloyDB ScaNN은 데이터 세트가 확장됨에 따라 계층적 레이어를 동적으로 확장하여 쿼리 지연 시간을 매우 낮게 유지하고 계산 규모의 벽이 성능에 영향을 미치지 않도록 방지합니다.

2. 효율적인 메모리 사용

100억 개의 벡터 규모를 달성하려면 높은 메모리 효율성이 필요합니다. AlloyDB ScaNN은 이러한 전략을 사용하여 메모리 관리 성능을 극대화합니다.

균형 잡힌 트리 모양 구성: 4단계 트리는 균형 잡힌 구성을 활용하여 학습 데이터 세트의 크기를 제한하는 메모리 제한을 우회합니다. 이 균형 잡힌 아키텍처는 축소된 샘플링 크기를 효과적으로 활용하여 충실도가 높은 트리 파티션을 구성합니다.
샘플링 최적화: 시스템이 메모리 제한에 직면하면 성능과 정확성을 고려한 압축된 샘플링 세트를 생성합니다.

성능 테스트 결과

내부 테스트에서 혁신적인 4단계 트리 아키텍처를 활용하여 다음과 같은 성능 결과를 달성할 수 있습니다.

AlloyDB는 ScaNN 색인을 사용하여 100억 개 이상의 벡터로 확장할 수 있습니다.
AlloyDB는 ScaNN 색인을 사용하여 100억 개의 벡터에서 51ms p95 지연 시간 이하와 95% 재현율을 제공할 수 있습니다.

지금 시작하기

지금 바로 AlloyDB ScaNN의 4단계 트리 (프리뷰) 아키텍처를 경험해 보세요. 빠른 시작 가이드에 따라 인스턴스를 설정하여 AlloyDB용 ScaNN을 배포할 수 있습니다. 최적화된 고속 벡터 검색은 공식 ScaNN 문서를 참조하세요. 신규 사용자는 30일 무료 체험 프로그램을 통해 AlloyDB를 살펴볼 수도 있습니다. 여러분이 빌드할 멋진 결과물을 기대하겠습니다.

Cloud CISO Perspectives: AI 시대에도 보안 기본사항을 지키는 방법

Thu, 03 Sep 2026 21:00:00 +0000

*이 콘텐츠는 AI 번역 도구를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역에는 오류나 누락이 포함될 수 있습니다. 정확한 정보는 영문 원본을 참고해 주시기 바랍니다.

2026년 8월 첫 번째 Cloud CISO Perspectives 뉴스레터에 오신 것을 환영합니다. 오늘은 크리스 베츠가 AI 시대에 보안 기본사항을 활용하는 것이 그 어느 때보다 중요한 이유를 설명합니다.

모든 Cloud CISO Perspectives 뉴스레터와 마찬가지로, 이 뉴스레터의 내용은 Google Cloud 블로그에 게시됩니다. 현재 웹사이트에서 이 페이지를 읽고 있는 경우, 이메일로 받아보려면 여기에서 구독을 신청해 주세요.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud로 중요한 이사회 인사이트 얻기'), ('body', <wagtail.rich_text.RichText object at 0x7f71baec08b0>), ('btn_text', '허브 방문하기'), ('href', 'https://cloud.google.com/solutions/security/board-of-directors?utm_source=cgc-site&utm_medium=et&utm_campaign=FY26-Q2-GLOBAL-GCP39634-email-dl-dgcsm-CISOP-NL-177159&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

AI 시대에 보안 기본사항을 강화하는 방법

크리스 베츠, Google Cloud CISO

AI가 공격자의 역량을 가속화함에 따라, 복원력과 취약점 사이의 주요 차별화 요소는 기본적인 강점이 됩니다. 기존 보안 기본사항이 쓸모없게 되었다는 것은 위험하고도 안타깝게도 흔한 오해입니다. CISO의 과제는 새로운 AI 기술을 안전하게 도입하는 동시에 필수적이고 효과적인 방어 관행을 확장하여 공격자의 속도에 맞춰 움직이는 것입니다.

공격자와 방어자 모두에게 AI는 최적화와 혁신을 위한 촉매제 역할을 해 왔습니다. 기존의 자동화는 반복적인 작업을 대규모로 수행할 수 있게 해 주었지만, AI는 양측 모두 대규모로 전례 없는 속도로 매우 구체적이고 맞춤화된 작업을 실행할 수 있게 해 줍니다.

이러한 기술을 종합적으로 사용하면 공격 표면을 줄이고 방어 AI가 비즈니스 지원 도구가 되는 데 필요한 심층적인 컨텍스트에 기여하며, AI 기반 방어를 성공적으로 수행하는 데 필요한 조건을 만들 수 있습니다.

위협이 거의 실시간으로 발전하는 것을 확인할 수 있습니다. 공격자는 악성 스크립트를 동적으로 생성하고 실행 중에 코드를 난독화하여 탐지를 회피하는 적시 AI를 통해 새로운 멀웨어를 배포하고 있습니다. 이들은 정교한 보이스 피싱과 딥페이크를 사용하여 신원 도용 및 비즈니스 이메일 침해를 시도합니다. 승인되지 않은 AI 도구로 인해 섀도 에이전트가 증가하는 현상도 나타나고 있습니다.

AI 기반 보안 위협에 대응하려면 현재의 보안 관행을 가속화하는 것 이상의 노력이 필요합니다. 보안 기반과 계층화된 방어 체계부터 다시 시작해야 합니다. 수년간 투자해 온 기본적인 사이버 보안 구성요소인 적절한 가드레일로 계층화된 방어를 구축하고 사용하는 것이 매우 중요합니다.

다중 인증 (MFA), 제로 트러스트 프레임워크, 일관된 시스템 패치, 포괄적인 감지 및 대응과 같은 기술을 통해 이러한 기반을 강화합니다. 이러한 기술은 공격 표면을 줄이고 방어 AI가 비즈니스 지원 도구로 기능하는 데 필요한 심층적인 컨텍스트를 제공하며, AI 기반 방어가 성공적으로 이루어지는 데 필요한 조건을 만듭니다.

취약점 관리 혁신

불과 몇 년 만에 취약점을 식별하고 수정하는 과정이 대부분 수작업으로 이루어지는 힘든 과정에서 AI 도구가 전례 없는 규모로 취약점을 발견하는 과정으로 진화했습니다. 또한 취약점 공격 시간도 사실상 사라졌습니다.

하지만 특히 오늘날의 취약점 규모를 고려할 때 취약점을 발견하는 것만으로는 충분하지 않습니다. 시스템과 네트워크에 가장 심각한 영향을 미치는 문제를 먼저 해결하는 데 우선순위를 두어야 하며, 이를 위해서는 스마트한 완화 조치에 대한 신속한 대응이 필요합니다.

조직은 여러 모델을 사용하여 결함을 스캔한 다음 엔지니어가 프로덕션으로 빠르게 이동할 수 있는 고품질 코드 수정 사항을 제안하여 AI 위협 방어와 같은 기능을 활용합니다. AI를 사용하면 발견부터 테스트, 배포에 이르는 전체 소프트웨어 개발 수명 주기를 자동화하여 방어 태세를 위협보다 더 빠르게 발전시킬 수 있습니다.

위협 모델링 강화

또한 위협 모델링의 기본 개념이 큰 영향을 미치고 있습니다. 위협 모델링을 제대로 수행하려면 코드, 클라우드 아키텍처, 시스템 설계, 네트워크 경로에서 컨텍스트를 함께 가져와야 합니다.

쉬운 일은 아니지만 AI를 사용하면 데이터를 통합하여 일관된 그림을 그릴 수 있는 능력을 확장할 수 있습니다. 팀은 시스템 정보를 수집하고 위협을 열거하기 위해 멀티 AI 모델을 실험해 왔습니다.

6월에 말씀드린 것처럼 Google Cloud의 엔지니어링팀은 이제 에이전트 기반 보안 검토 파이프라인을 통해 제품 출시를 라우팅합니다. 고위험 지표는 자동으로 플래그가 지정되어 사람이 검토하며, 정적 위협 모델은 실시간으로 업데이트되는 동적 제품 자료로 대체되었습니다.

전략적 비즈니스 리더로서의 CISO

제가 아는 가장 효과적인 보안 리더는 단순한 기술자가 아니라 전략적인 비즈니스 리더입니다. AI 취약점에 대한 전 세계적인 관심이 높아지면서 사이버 보안이 이사회와 경영진의 주요 관심사로 떠올랐습니다.

이러한 가시성은 리더십을 발휘할 수 있는 기회입니다. CISO는 이사회부터 C급 임원, 매일 CISO를 바라보는 보안팀에 이르기까지 명확하게 소통하여 조직의 성장을 보호하면서 AI의 복잡성을 헤쳐나갈 수 있는 유능한 전략가로서의 능력을 입증해야 합니다.

보안 기본사항을 비즈니스 목표에 맞추고 AI를 사용하여 방어를 강화함으로써 조직을 안전하게 미래로 이끌 수 있습니다.

AI 시대에 강력한 보안 기반을 구축하고 유지하는 방법에 대해 자세히 알아보려면 최신 Defender’s Advantage: Cyber Snapshot 보고서를 읽어보세요.

aside_block: <ListValue: [StructValue([('title', '새로운 내용을 알아보세요'), ('body', <wagtail.rich_text.RichText object at 0x7f71baec0c40>), ('btn_text', '지금 보기'), ('href', 'https://www.youtube.com/watch?v=CmGWIwgHR60'), ('image', <GAEImage: Cloud-CISO-Perspectives-logo-A>)])]>

위협 인텔리전스 뉴스

에이전트형 소스 코드 검토를 통한 적대적 AI 선제적 대응: 방어자가 Google Cloud의 접근방식과 유사한 에이전트형 접근방식을 구현할 수 있도록 Google Cloud의 에이전트형 취약점 발견 도구 아키텍처의 세부정보를 처음으로 공유합니다. 또한 AVDH는 CodeMender의 지속적인 스캔과 함께 사용하여 2계층 방어 전략을 수립할 수 있습니다. 자세히 알아보기
2026년 상반기 클라우드 위협 하이라이트: 2026년 상반기에 Wiz의 연구팀과 CIRT팀은 수천 개의 클라우드 환경에 영향을 미치는 위협을 추적했습니다. 활동량이 눈에 띄게 증가했으며, 공급망 공격이 이전에는 볼 수 없었던 규모로 진행되고 개발자 툴체인과 AI 인프라가 심각한 관심을 끌었습니다. 자세히 알아보기
패키지 보호: 공급망 보안 침해 완화 가이드: GTIG와 Mandiant는 지난 몇 년 동안 진행 중인 오픈소스 소프트웨어 공급망 보안 침해 캠페인이 증가하고 있음을 추적해 왔습니다. 고객 지원을 통해 얻은 인사이트를 포함하여 소프트웨어 공급망을 보호하기 위한 완화 및 강화 권장사항을 소개합니다. 자세히 알아보기
금융 서비스 및 엔터프라이즈 클라우드 환경을 표적으로 삼는 멀티 브랜드 보이스 피싱 갈취: 원격 분석 및 인프라 분석에 따르면 UNC6671은 해체되지 않았습니다. 대신 Redact, Pink, Helix, Falcon을 비롯한 여러 갈취 전선에서 운영을 다각화했으며, 기업 직원을 표적으로 삼기 위해 계속해서 보이스 피싱에 의존하고 있습니다. 자세히 알아보기
공급망 공격으로 Keyv 및 cacheable npm 패키지 하이재킹: Wiz Research는 여러 keyv/cacheable npm 패키지에 영향을 미치는 진행 중인 소프트웨어 공급망 공격을 적극적으로 조사하고 있습니다. 자세히 알아보기
Metabase SQLi 내부: 실제 공격에 악용됨: Wiz는 AI로 Metabase CVE-2026-72898을 리버스 엔지니어링하여 방어를 가속화했습니다. 이 과정에서 얻은 교훈을 소개합니다. 자세히 알아보기

이번 달에 게시된 더 많은 위협 인텔리전스 사례를 보려면 Google Cloud 블로그를 확인하세요.

Google Cloud 팟캐스트 소개

Cloud Security 팟캐스트: Project Atlas, Wiz의 AI 취약점 연구에 대한 모든 것: Wiz의 취약점 연구 책임자인 Near Orfeld가 팀에서 클라우드 인프라의 영향력이 큰 제로데이 취약점을 발견하기 위해 다중 에이전트 AI 시스템을 사용하는 방법을 설명합니다. 내용 듣기
Cloud Security 팟캐스트: Google이 대규모로 취약점 클래스를 제거하는 방법: AI가 코드를 작성하고 아무도 검토할 시간이 없더라도 안전하게 유지되는 안전한 Google 규모의 엔터프라이즈를 위한 기반을 어떻게 구축할 수 있을까요? Google의 수석 보안 엔지니어인 크리스토프 커른이 AI 시대에 보안 내재화 설계가 실제로 무엇을 의미하는지 살펴봅니다. 내용 듣기

한 달에 두 번 발행되는 Cloud CISO Perspectives 게시물을 이메일로 받아보려면 뉴스레터 구독을 신청하세요. 보안과 관련된 Google Cloud의 새로운 소식을 들고 몇 주 후에 다시 돌아오겠습니다.

엔터프라이즈 고객을 위한 Google Antigravity 확장

Thu, 03 Sep 2026 05:00:00 +0000

지난 5월 I/O에서 Gemini Enterprise Agent Platform의 Google Antigravity를 발표한 이후 고객으로부터 유용한 의견을 들을 수 있었습니다. 개발자는 여러 플랫폼에서 코딩 에이전트에 쉽게 액세스할 수 있기를 원합니다. 엔터프라이즈 거버넌스팀은 보안 제어 및 라이선스 관리를 원합니다. 또한 선불 토큰이 낭비되지 않도록 공용 사용을 원합니다. 이제 모두가 원하는 것을 얻을 수 있습니다.

Antigravity는 이제 즉시 사용 가능한 관리 및 비용 제어 기능을 포함하여 적격 Gemini Enterprise 앱 구독의 일부로 제공됩니다.
새로운 IDE 확장 프로그램을 사용하면 개발자가 VS Code를 비롯한 원하는 IDE에서 Antigravity를 사용할 수 있습니다.

하나의 구독으로 AI 개발자 도구와 엔터프라이즈급 제어 기능을 통합하세요

개발자에게 고급 에이전트 도구를 제공한다고 해서 별도의 부가기능 라이선스, 인보이스, 결제 콘솔 또는 보안 설정을 관리해야 하는 것은 아닙니다. Gemini Enterprise 구독에 포함된 AI 개발자 도구를 사용하면 관리자가 적격 Gemini Enterprise Standard, Plus, Standard Emerging Market 라이선스를 보유한 사용자를 위해 Antigravity와 Android Studio를 쉽게 사용 설정할 수 있으며, Gemini Enterprise 관리 콘솔에 통합된 비용, 보안, 관측 가능성, 사용량 측정항목을 통해 완전한 거버넌스를 유지할 수 있습니다.

지출을 제어하면서 개발자의 업무를 방해하지 않음

Gemini Enterprise의 청구 유연성 및 비용 관리 도구를 사용하면 개발자에게 필요한 리소스를 제공하면서 비용을 관리할 수 있습니다.

세분화된 지출 한도: 관리자는 결제 콘솔에서 직접 월별 프로젝트 수준의 예산 한도를 설정할 수 있으며, 사용자별 및 팀별 제어 기능이 올해 말에 추가로 출시될 예정입니다.
공유 할당량: 공유 토큰 풀은 수요가 많은 팀에 유연성을 제공하여 조직 전체에서 구매한 할당량이 유휴 상태로 방치되는 것을 방지합니다.
초과 사용량 사용 설정: 공용 할당량이 소진된 경우에도 개발자 워크플로를 지속적으로 유지하기 위해 관리자는 월별 지출 한도를 설정하여 초과 사용량을 선택하고 초과 사용량을 표준 소비 기반 요금으로 원활하게 전환할 수 있습니다.
사용량 측정항목: 중앙 집중식 사용량 추적은 토큰 소비, API 호출, 개발자 활동에 대한 가시성을 제공하여 조직이 AI 투자를 지속적으로 최적화할 수 있도록 지원합니다.

내장된 개인 정보 보호 및 보안 기능으로 조직의 코드와 데이터를 보호하세요

Gemini Enterprise 구독은 Google Antigravity를 Google Cloud의 표준 보안 및 규정 준수 보호에 포함합니다. 관리자와 IT팀은 단일 콘솔에서 작업공간 액세스에 대한 명확한 경계를 설정하고, 전체 감사 로깅을 사용 설정하고, 데이터 개인 정보 보호를 적용할 수 있습니다.

구성 가능한 보안 정책: 워크스페이스 샌드박싱, 브라우저 및 MCP 서버 액세스 등의 보안 및 규정 준수 제어를 적용하여 AI 에이전트가 승인된 엔터프라이즈 환경 내에서 안전하게 작동하도록 지원합니다.
중앙 감사 로깅: 단일 전환 버튼으로 포괄적인 감사 로깅을 사용 설정하여 규정 준수 보고를 위한 프롬프트, 에이전트 응답, 메타데이터를 캡처합니다.
데이터 개인 정보 보호: Google Cloud 서비스 약관에 따라 데이터 소유권을 유지하고 모든 에이전트 활동이 안전한 클라우드 경계 내에서 엄격하게 실행되도록 보장합니다.

팀에서 선호하는 개발 환경에 에이전트 코딩을 직접 도입

오늘부터 개발자는 새로운 IDE 확장 프로그램, Antigravity 2.0 데스크톱 앱, Antigravity CLI를 통해 Visual Studio Code, Visual Studio (프리뷰), Jetbrains (프리뷰), Zed IDE (프리뷰) 등 이미 알고 사용 중인 인터페이스에서 Antigravity를 사용할 수 있습니다.

관리자는 모든 표면에서 직원 ID 제휴 (WIF) 및 애플리케이션 기본 사용자 인증 정보 (ADC)에 대한 기본 지원을 통해 기술팀의 설정 마찰을 제거하면서 기업 ID 표준을 적용할 수 있습니다.

AGY IDE extension demo

고객의 의견

빠른 코드 생성부터 엔드 투 엔드 작업 자동화에 이르기까지 Google Antigravity는 Google Cloud의 안정성, 거버넌스, 확장성을 기반으로 최첨단 AI 개발을 추진할 수 있는 동력을 엔지니어링팀에 제공합니다. 선도적인 엔터프라이즈 고객과 파트너가 프로덕션에서 측정 가능한 성과를 도출하는 방법은 다음과 같습니다.

"Gemini Enterprise에 Antigravity를 배포함으로써 Accenture는 Google Cloud의 안전하고 신뢰할 수 있는 기반에서 Google DeepMind의 최고 기술을 엔지니어에게 제공할 수 있게 되었습니다. 운영 복잡성을 추상화하면 개발자 속도와 엔터프라이즈급 거버넌스 사이에서 선택할 필요가 없어지므로 팀은 고속 엔지니어링과 고객을 위한 혁신적인 가치를 제공하는 데 집중할 수 있습니다." - Chetna Sehgal, Accenture Google Business Group 글로벌 실무 책임자

“AirAsia와 그룹 전체는 직원 역량 강화에 중점을 두고 있습니다. Antigravity 2.0을 사용하면 매우 강력한 Gemini 모델을 일상적인 워크플로에 직접 통합할 수 있습니다. Google은 소프트웨어 엔지니어링부터 재무, 마케팅, 법무, HR 등 다양한 분야의 전 직원에게 가장 진보된 AI 기능을 제공하고 있습니다. 이를 통해 개발자와 중요한 백오피스팀 모두 전례 없는 속도로 혁신하고 전반적으로 입증된 시간 절감 효과를 거둘 수 있습니다." — 니쿤지 샨티, CTO, AirAsia Next

“엔터프라이즈는 AI 실험을 넘어 측정 가능한 비즈니스 성과를 기대하고 있습니다. Gemini Enterprise와 Antigravity 2.0, Antigravity CLI와 같은 차세대 개발자 도구를 통해 에이전트 AI, 특히 Gemini 모델의 고급 추론 기능을 소프트웨어 배포 워크플로에 직접 통합할 수 있는 상당한 기회를 발견했습니다. 이는 생산성을 넘어 더 빠른 의사 결정, 더 높은 코드 품질, 대규모 기술 부채 감소를 가능하게 합니다. 이러한 기능이 코드를 작성하는 것에서 결과를 조정하는 것으로 팀의 업무를 발전시키고, 소프트웨어 개발 수명 주기의 모든 단계를 강화하는 동시에 혁신을 안전하고 책임감 있게 확장하는 데 도움이 된다는 점이 두드러집니다." - 라케시 에라스, CGI 아시아 태평양 글로벌 우수 센터 사장

"모든 개발자 워크플로는 고유하며 에이전트 AI는 엔지니어에게 맞춰 조정되어야 합니다. 개발자가 선호하는 IDE, 데스크톱 앱, CLI 전반에서 Google Antigravity를 지원하므로 Cognizant는 전 세계 배포 센터 전반에 에이전트형 엔지니어링을 원활하게 통합할 수 있습니다. 이를 통해 팀은 선호하는 인터페이스를 자유롭게 선택하면서도 고객에게 고속의 안전한 소프트웨어를 제공할 수 있습니다." — Rajesh Varrier, Cognizant India 글로벌 운영 부문 사장 겸 회장 겸 전무이사

“Antigravity는 Datamatics의 AI 중심 전략을 발전시키는 데 핵심적인 역할을 했습니다. 지난 몇 달 동안 Google Cloud 팀은 Gemini를 사용하여 여러 애플리케이션을 신속하게 빌드 및 배포하고, 솔루션 개발을 가속화하고, 핵심 비즈니스 프로세스에 AI를 통합했습니다. AI Impact Hub부터 분석 및 영업 교육 솔루션에 이르기까지, Google Cloud는 실험 단계를 넘어 실제 실행 단계로 나아가도록 지원하여 팀이 더 빠르게 대규모로 혁신할 수 있도록 하면서 측정 가능한 비즈니스 성과를 제공했습니다.”— Vijay Venkatachalam, Datamatics 정보 시스템 그룹 (ISG) 부사장

"Google Antigravity의 자율 기능을 Gemini Enterprise 개발 환경에 직접 통합함으로써 내부 및 전방 배치 엔지니어링팀이 복잡한 작업을 자동화할 수 있게 되었습니다. 플랫폼의 새로운 FinOps 및 거버넌스 제어 기능을 통해 팀은 고객을 위해 가치 있고 안전하며 비용 효율적인 결과를 대규모로 조정하는 데 자신 있게 집중할 수 있습니다." — Faruk Muratovic, Deloitte 미국 AI 및 엔지니어링 전략 및 서비스 리더

Wipro의 CTO인 Subha Tatavarti는 이렇게 말합니다. “Antigravity를 도입함으로써 Wipro는 AI 기반 소프트웨어 개발 수명 주기의 선두 주자가 되었습니다. Antigravity 2.0, CLI, 새로운 IDE 확장 프로그램을 원활한 개발자 경험과 뛰어난 코드 정확성과 결합하면 AI 중심 엔지니어링 전략에 자연스럽게 부합합니다. Google Cloud와의 협력을 통해 소프트웨어 배포를 가속화하고 글로벌 엔터프라이즈 고객에게 차세대 가치를 제공할 수 있게 되었습니다." — Wipro 부사장 겸 Google 파트너십 글로벌 책임자 Debashish Ghosh

Gemini Enterprise에서 Antigravity 시작하기

Gemini Enterprise의 Google Antigravity는 현재 적격 Gemini Enterprise Standard, Plus, Standard Emerging Market 라이선스에서 사용할 수 있으며, 곧 더 많은 라이선스를 지원할 예정입니다.

관리자: 엔터프라이즈 설정 가이드를 방문하여 Google Antigravity 및 Android 스튜디오용 AI 개발자 도구를 사용 설정하세요.
개발자: Antigravity 2.0, Antigravity CLI 또는 Antigravity IDE 확장 프로그램을 통해 선호하는 IDE로 빌드를 시작하세요.

새로운 에이전트 결제 프로토콜(AP2)로 AI 커머스 지원

Wed, 02 Sep 2026 20:00:00 +0000

오늘 Google은 여러 플랫폼에서 에이전트 주도 결제를 안전하게 시작하고 거래할 수 있도록 주요 결제 및 기술 기업과 협력하여 개발된 개방형 프로토콜인 에이전트 결제 프로토콜 (AP2)을 발표했습니다. 이 프로토콜은 Agent2Agent (A2A) 프로토콜 및 모델 컨텍스트 프로토콜 (MCP)의 확장 프로그램으로 사용될 수 있습니다. 업계 규칙 및 표준과 함께 사용자, 판매자, 결제 시스템 공급자가 모든 유형의 결제 수단을 통해 안심하고 거래할 수 있도록 결제 수단에 구애받지 않는 프레임워크를 구축합니다.

Google은 Adyen, American Express, Ant International, Coinbase, Etsy, Forter, Intuit, JCB, Mastercard, Mysten Labs, Paypal, Revolut, Salesforce, ServiceNow, UnionPay International, Worldpay 등 60개 이상의 다양한 조직과 협력하여 에이전트 기반 결제의 미래를 만들어 나가고 있습니다.

프로토콜이 필요한 이유

AI 에이전트는 사용자를 대신해 거래를 수행할 수 있으므로 에이전트의 거래 권한을 안전하게 인증, 검증, 전달하기 위한 공통 기반을 마련해야 합니다. 오늘날의 결제 시스템은 일반적으로 사람이 신뢰할 수 있는 인터페이스에서 '구매' 버튼을 직접 클릭한다고 가정하지만, 자율 에이전트의 등장과 결제 시작 능력은 이러한 기본적인 가정을 깨고 AP2가 해결하는 데 도움이 되는 다음과 같은 중요한 질문을 제기합니다.

승인: 사용자가 에이전트에 특정 구매를 할 특정 권한을 부여했음을 증명합니다.
진정성: 에이전트의 요청이 사용자의 실제 의도를 정확하게 반영하는지 판매자가 확인할 수 있습니다.
책임: 사기 또는 잘못된 거래가 발생한 경우 책임 소재를 확인합니다.

AP2는 에이전트와 판매자 간의 안전하고 규정을 준수하는 거래를 위한 공통 언어를 제공하는 개방형 공유 프로토콜로, 생태계가 분열되는 것을 방지하는 데 도움이 됩니다. 또한 신용카드와 체크카드부터 스테이블 코인, 실시간 은행 송금에 이르기까지 다양한 결제 유형을 지원합니다. 이를 통해 사용자와 판매자에게 일관되고 안전하며 확장 가능한 경험을 보장하는 동시에 금융 기관이 위험을 효과적으로 관리하는 데 필요한 명확성을 제공할 수 있습니다.

작동 방식: 의무 및 검증 가능한 사용자 인증 정보를 통한 신뢰 구축

AP2는 사용자의 지시사항에 대한 검증 가능한 증거 역할을 하는 변조 방지, 암호화 서명된 디지털 계약인 Mandates를 사용하여 신뢰를 구축합니다. 이러한 명령은 검증 가능한 사용자 인증 정보 (VC)로 서명되며 모든 거래의 근거가 됩니다.

요구사항은 사용자가 에이전트를 통해 쇼핑하는 두 가지 주요 방식인

실시간 구매 (사람이 있는 경우): 에이전트에게 '새로운 흰색 런닝화를 찾아 줘'라고 요청하면 요청이 초기 의도 명령에 캡처됩니다. 이는 트랜잭션 프로세스에서 전체 상호작용에 대한 감사 가능한 컨텍스트를 제공합니다. 에이전트가 원하는 신발이 담긴 장바구니를 제시하면 승인 시 장바구니 위임이 이루어집니다. 이 단계는 정확한 항목과 가격에 대한 안전하고 변경할 수 없는 기록을 생성하여 표시된 가격을 지불하도록 보장하는 중요한 단계입니다.
위임된 작업 (사람이 없는 경우): '콘서트 티켓이 판매되는 즉시 구매해 줘'와 같은 작업을 위임할 때는 사전에 자세한 의도 명령에 서명합니다. 이 위임에는 가격 한도, 시기, 기타 조건 등 참여 규칙이 명시되어 있습니다. 이는 검증 가능한 사전 승인 증명 역할을 하며, 정확한 조건이 충족되면 에이전트가 사용자를 대신하여 카트 위임장을 자동으로 생성할 수 있도록 합니다.

두 시나리오 모두에서 이러한 증거 체인은 결제 수단을 카트 위임장의 확인된 콘텐츠에 안전하게 연결하는 것으로 마무리됩니다. 의도, 장바구니, 결제에 이르는 이 전체 시퀀스는 권한 부여 및 진위 여부라는 중요한 질문에 답하는 부인할 수 없는 감사 추적을 생성하여 책임에 대한 명확한 기반을 제공합니다.

새로운 상거래 경험 제공

AP2의 유연한 설계는 단순한 상용 모델과 완전히 새로운 상용 모델을 모두 지원할 수 있는 기반을 제공합니다. 아래에서 몇 가지 예를 살펴보겠습니다. 모든 예시에서는 사용자를 대신하여 의도 명령이 서명되었다고 가정합니다.

더 스마트한 쇼핑: 고객이 원하는 겨울 외투를 발견했지만, 특정 색상이 품절된 상황을 가정해 보겠습니다. 고객은 에이전트에게 "이 재킷을 꼭 초록색으로 사고 싶어. 20% 정도 더 지불할 의향이 있어."라고 말합니다. 그러면 에이전트가 가격과 재고를 모니터링하고, 특정 옵션을 발견하는 즉시 자동으로 안전하게 구매를 실행하여 그렇지 않았다면 놓쳤을 구매 의도가 높은 판매를 확보합니다.
맞춤형 혜택: 쇼핑객이 에이전트에게 특정 판매자의 자전거를 예정된 여행에 사용하고 싶다고 말합니다. 에이전트는 여행 날짜를 포함한 이 정보를 판매자에게 전달하고, 판매자의 에이전트는 자전거, 헬멧, 여행용 랙을 15% 할인된 가격으로 제공하는 맞춤형 기간 한정 번들 혜택을 만들어 응답함으로써 단순한 문의를 더 가치 있는 판매로 전환할 수 있습니다.
조정된 작업: 사용자가 주말 여행을 계획하면서 에이전트에게 '11월 첫째 주 주말에 팜스프링스로 가는 왕복 항공편과 호텔을 총예산 700달러로 예약해 줘'라고 말합니다. 그러면 에이전트는 항공사와 호텔 에이전트뿐만 아니라 온라인 여행사와 예약 플랫폼과도 상호작용할 수 있으며, 예산에 맞는 조합을 찾으면 암호화 서명된 두 예약을 동시에 실행할 수 있습니다.

새로운 결제 시스템 지원

AP2는 스테이블 코인, 암호화폐 등 다양한 결제 수단에 보안과 신뢰를 제공하는 범용 프로토콜로 설계되었습니다. 웹3 생태계에 대한 지원을 가속화하기 위해 Coinbase, Ethereum Foundation, MetaMask 및 기타 주요 조직과 협력하여 AP2의 핵심 구조를 확장하고 에이전트 기반 암호화폐 결제를 위한 프로덕션 지원 솔루션인 A2A x402 확장 프로그램을 출시했습니다. 이러한 확장 프로그램은 핵심 AP2 프로토콜 내에서 암호화폐 통합의 진화를 형성하는 데 도움이 될 것입니다.

다음 단계: 협업 요청

AP2는 새로운 AI 기반 상거래 시대를 이끌어갈 신뢰할 수 있는 기반을 제공합니다. 이 프레임워크는 안전한 거래를 위한 핵심 구성요소를 확립하여 네트워크, 발급기관, 판매자, 기술 제공업체, 최종 사용자 등 업계가 원활한 에이전트 승인 및 분산형 ID와 같은 인접 영역에서 혁신할 수 있는 명확한 기회를 창출합니다. Google은 표준 기관을 포함한 개방적이고 협력적인 프로세스를 통해 이 프로토콜을 발전시키기 위해 최선을 다하고 있으며, 결제 및 기술 커뮤니티 전체가 Google과 함께 이 미래를 만들어 나가기를 바랍니다.

A2A 에이전트를 빌드하는 많은 파트너가 AP2로 지원을 확장했습니다. 이러한 성장하는 생태계는 AP2로 구현되는 새로운 거래 가능한 환경을 포함하여 AI 에이전트 Marketplace에서 에이전트를 계속 제공할 것입니다. 예를 들어 엔터프라이즈 기업은 Google Cloud Marketplace를 통한 파트너 빌드 솔루션의 자율 조달 또는 실시간 요구사항에 따른 소프트웨어 라이선스의 자동 확장과 같은 B2B 애플리케이션에 AP2를 사용할 수 있습니다.

시작하려면 공개 GitHub 저장소를 방문하여 전체 기술 사양, 문서, 참조 구현을 검토하세요. 앞으로 이 저장소는 Google의 추가 참조 구현과 커뮤니티의 혁신을 통해 AP2의 강력한 기능과 확장성을 보여주기 위해 정기적으로 업데이트될 예정입니다.

생태계의 지원

Accenture: "Google Cloud의 에이전트 결제 프로토콜 (AP2)은 Agent2Agent 프로토콜과 모델 컨텍스트 프로토콜을 보완하여 에이전트가 거래할 수 있는 통합 프레임워크를 제공합니다. 이러한 혁신을 통해 고객의 결제 방식을 재정의하는 많은 에이전트형 솔루션을 구현할 수 있을 것입니다. 이러한 솔루션은 현재의 요구사항뿐만 아니라 미래 상거래의 진화하는 모델에도 부합합니다." - Scott Alfieri, Accenture Google 비즈니스 리드
Adobe: “Adobe는 Google과 협력하여 안전하고 인증된 에이전트형 상거래를 발전시키게 된 것을 자랑스럽게 생각합니다. 에이전트 결제 프로토콜 (AP2)에 참여하는 것은 신뢰할 수 있는 AI 기반 경험을 제공하기 위한 Adobe의 노력을 보여줍니다. Adobe Commerce와 AI 에이전트가 고객 여정을 지원하는 가운데, Adobe는 기업과 소비자를 위해 안전하고 신뢰할 수 있는 진정한 거래를 제공하는 데 집중하고 있습니다." - Loni Stark, Adobe 전략 및 제품 부문 부사장
Adyen: "에이전트형 커머스는 소비자 대상 챗봇뿐만 아니라 이 모든 것을 지원하는 기본 인프라에 관한 것입니다. Google의 에이전트 결제 프로토콜 (AP2)에 대한 Adyen의 협력은 내일의 상거래를 위한 결제 빌딩 블록을 판매자에게 제공한다는 Adyen의 사명을 자연스럽게 확장한 것입니다. 결제 생태계에 참여하는 모든 사람의 보안과 상호 운용성을 보장하는 공통 규칙을 수립하는 데 도움이 되기를 기대합니다." - 잉고 우이테하게, Adyen 공동 CEO
Airwallex: "Airwallex는 Google의 에이전트 결제 프로토콜 (AP2)을 지원하게 되어 기쁩니다. 이는 에이전트 AI 결제를 위한 안전하고 상호 운용 가능한 생태계를 구축하는 데 있어 중요한 진전입니다. 이 프로토콜은 비즈니스와 소비자에게 AI 에이전트에 작업을 위임할 수 있다는 확신을 주며, 전 세계 비즈니스를 지원하여 금융의 미래를 구축한다는 Airwallex의 사명과도 일치합니다." - Airwallex 공동 창립자 겸 CTO Jacob Dai
American Express: "AI 기반 상거래가 증가하면서 신뢰와 책임이 그 어느 때보다 중요해졌습니다. American Express는 고객을 보호하고 차세대 디지털 결제에 참여할 수 있도록 지원하는 프로토콜인 AP2를 만드는 데 기여하게 되어 기쁩니다.” - Luke Gebb, American Express Amex Digital Labs 수석 부사장
Ant International: "Ant International은 대체 결제 수단과 신뢰할 수 있는 AI 혁신에 대한 전문성을 활용하여 에이전트형 커머스에서 실용적인 AI 애플리케이션을 위한 프로토콜을 설정하는 데 Google과 협력하게 되어 기쁩니다. 이를 통해 새로운 판매자 성장을 촉진하고 소비자 경험을 향상할 수 있을 것입니다." - Jiangming Yang, Ant International 최고 혁신 책임자
BHN: “전 세계에서 수십억 건의 거래를 처리하는 신뢰할 수 있는 파트너인 BHN은 AP2와 같은 새로운 프로토콜을 형성하는 데 도움을 줄 수 있게 되어 기쁩니다. AP2는 판매자와 소비자가 AI 에이전트를 통해 안전하고 자율적인 상거래에서 저장된 가치의 힘을 활용할 수 있도록 지원할 것입니다.” - Nik Sathe, BHN CPTO
BVNK: "스테이블코인은 에이전트 시스템이 기존 금융 인프라에서 이미 직면하고 있는 확장 문제에 대한 명백한 해결책을 제공합니다. BVNK는 Google이 이 문제를 해결하기 위해 노력하고 있다는 소식을 듣고 매우 기뻤으며, 이 프로젝트에 기여할 수 있기를 간절히 바랐습니다." - BVNK CTO 도널드 잭슨
Checkout.com: "에이전트형 상거래는 결제 순간을 재편하고 있으며, Google의 에이전트 결제 프로토콜 (AP2)은 이를 위한 중요한 발걸음입니다. Checkout.com은 신뢰를 강화하고 판매자에게 고객이 원하는 방식으로 쇼핑할 수 있도록 유연성을 제공하는 개방형 프로토콜을 지원하게 되어 자랑스럽습니다." - 메론 콜베시, Checkout.com 최고 제품 책임자
Coinbase: "x402와 AP2는 에이전트 간 결제가 더 이상 실험에 그치지 않고 개발자가 실제로 빌드하는 방식의 일부가 되고 있음을 보여줍니다. x402를 AP2에 도입하여 스테이블 코인 결제를 지원하는 것은 합리적인 선택이었습니다. AP2는 에이전트가 서로 거래를 시작하고 암호화폐 레일을 테스트해 볼 수 있는 자연스러운 놀이터입니다. 에이전트 간 결제라는 아이디어가 더 넓은 AI 커뮤니티에 공감을 얻고 있다는 점도 흥미롭습니다." – 에릭 레펠, Coinbase 개발자 플랫폼 엔지니어링 책임자
Crossmint: “Crossmint의 도구를 사용하면 개발자는 에이전트가 신용카드와 스테이블코인을 모두 사용하여 무엇이든 구매할 수 있도록 할 수 있습니다. Google Cloud의 목표는 즉각적인 글로벌 상거래를 실현하여 에이전트 빌더에게 최대한의 유연성을 제공하는 것입니다. AP2에 대한 Google과의 파트너십은 에이전트형 커머스가 안전하고 신뢰할 수 있으며 원활한 거래 방식으로서 모두의 신뢰를 얻을 수 있도록 하겠다는 Google의 약속을 보여줍니다. 이제 가속화할 때입니다.” – 알폰소 고메즈, Crossmint 공동 창립자
Confluent: "Confluent는 개방적이고 안전하며 신뢰도가 높은 결제 프로토콜을 구축하기 위한 Google의 노력을 지원하게 되어 기쁩니다. 에이전트 결제 프로토콜 (AP2)은 실시간 데이터 기반 세상이라는 당사의 비전과 완벽하게 부합하며, Apache Kafka를 사용한 데이터 스트리밍에 대한 당사의 전문성이 에이전트 웹을 위한 복원력 있고 확장 가능한 결제 생태계를 만드는 데 중요한 역할을 할 것이라고 믿습니다." – Pascal Vantrepote, Confluent 파트너 CTO
Dell: “Dell Technologies는 전 세계 비즈니스를 위해 에이전트 AI를 현실로 만들기 위해 최선을 다하고 있습니다. 에이전트형 자동화의 혁신적인 잠재력은 신뢰, 보안, 표준화, 특히 고객 대면 전자상거래 플랫폼에 달려 있습니다. Google과 함께 에이전트 결제 프로토콜 (AP2)을 지원함으로써 AI 기반 상거래가 신뢰할 수 있고, 접근 가능하며, 모두가 신뢰하는 미래를 위한 기반을 마련하고 있습니다." – Satish Iyer, Dell Technologies CTO실 혁신 및 생태계 부문 부사장
Deloitte: "에이전트 상거래가 혁신적인 힘으로 빠르게 부상함에 따라, 업계에서는 AI 에이전트가 안전하고 효과적으로 결제를 처리할 수 있도록 지원하는 강력한 표준이 필요할 것입니다. 이러한 표준은 기존 글로벌 결제 인프라와의 호환성을 제공하면서도 보안, ID, 원활한 상거래, 신뢰, 개인 정보 보호와 같은 중요한 영역을 다루어야 합니다. Deloitte는 Google과 함께 이 진화하는 업계를 만들어가는 데 기여하게 되어 자랑스럽습니다. 널리 채택된 A2A 프로토콜을 확장하여 에이전트 기반 결제와 상거래를 지원할 수 있게 되었습니다.” - Gopal Srinivasan, Deloitte Consulting LLP의 Alphabet Google Alliance Global AI & Data 리더
DLocal: "결제 에이전트는 더 이상 아이디어가 아니라 빠르게 현실이 되고 있습니다. 당사가 서비스를 제공하는 역동적인 신흥 시장에서는 카드, 현지 결제 수단, 디지털 지갑, 스테이블코인 등 결제 수단이 다양하고 복잡합니다.Agent Payments Protocol (AP2)은 이러한 복잡성을 단일의 상호 운용 가능한 프레임워크로 전환하여 안전하고 원활하며 사용자가 제어할 수 있는 에이전트 주도 결제를 지원하여 판매자 전환을 촉진합니다." - 페드로 아른트, DLocal CEO
Ebanx: "에이전트 결제 프로토콜 (AP2)은 차세대 상거래를 지원할 것이며, 이를 위한 안전한 환경을 구축하는 것이 지금 가장 중요한 단계입니다. EBANX는 Google과 함께 이 노력에 동참하게 되어 자랑스럽습니다." - Eduardo de Abreu, Ebanx 제품 부문 부사장
Eigen Labs: "Google의 새로운 에이전트 결제 프로토콜 (AP2)은 AI 에이전트가 인간, 조직 또는 자체를 대신하여 의미 있는 경제적 행위자가 되는 미래를 향한 중요한 발걸음입니다. EigenCloud는 이 이니셔티브에 대해 Google과 파트너십을 맺고 이러한 에이전트가 모든 상대방에 대해 책임을 지도록 보장하는 검증 가능성 인프라를 제공하게 된 것을 자랑스럽게 생각합니다. Eigen Labs는 Google Cloud와 함께 에이전트가 서로 협력하고 거래하며 인간과 에이전트에게 자신의 행동을 증명할 수 있는 전 세계적으로 검증 가능한 경제를 만들어 나가고 있습니다." - Sreeram Kannan, Eigen Labs 창립자 겸 CEO
Fiuu: ""에이전트형 상거래가 결제 인프라를 재편함에 따라 Fiuu는 A2A 및 AP2와 같은 개방형 프로토콜을 지원하여 멀티채널 시스템 전반에서 안전하고 확장 가능한 에이전트 간 거래를 가능하게 하고 상호 운용성, 신뢰, 포용적인 결제 생태계를 발전시키고 있습니다." - 엥 셍 관, Fiuu CEO
Forter: "Forter는 에이전트가 상거래를 혁신할 잠재력이 있다고 믿으며, Forter의 Trusted Agentic Commerce Protocol (TACP)과 함께 브랜드, 소비자, AI 개발자에게 이점을 제공하는 최신 프로토콜을 만들기 위해 Google과 협력하게 된 것을 자랑스럽게 생각합니다." - Michael Reitblat, Forter CEO
Gr4vy: "새로운 개방형 프로토콜 (AP2)을 지원하게 되어 자랑스럽습니다. 업계가 함께 협력하면 신뢰, 투명성, 유연성을 바탕으로 결제의 다음 장을 열 수 있습니다." - 존 룬, Gr4vy CEO 겸 설립자
Gravitee: “에이전트형 세계에서 안전하고 신뢰할 수 있는 거래를 위해서는 개방형 프로토콜이 필요합니다. Google의 에이전트 결제 프로토콜 (AP2) 개방형 표준은 이러한 요구사항을 충족합니다. Gravitee의 에이전트 메시에는 이미 보안과 거버넌스에 중점을 둔 A2A 및 MCP가 지원되고 있으며, 금융 서비스, 소매업 등 다양한 업계의 고객이 자신 있게 혜택을 누릴 수 있도록 지원을 확장하기 위해 최선을 다하고 있습니다." – Gravitee 최고 제품 책임자 Linus Hakansson
Global Fashion Group: "A2A와 MCP를 에이전트 결제 프로토콜 (AP2)에 통합하면 버전 관리된 계약을 통해 상호 운용 가능한 모듈식 아키텍처를 구현할 수 있어 통합과 테스트가 간단해집니다. 규모에 맞게 설계된 최신 결제 시스템으로 안전하고 원활하며 글로벌 상거래를 지원하도록 빌드되었습니다.” - Quy Tran, Global Fashion Group 엔지니어링 부문 이사
Intuit: "Intuit은 소비자와 비즈니스, 회계사의 재정적 성공을 지원하는 데 중점을 두고 있습니다. AI와 데이터 역량을 활용하여 개방형 에이전트 결제 프로토콜 (AP2)을 개발하고 모두를 위한 더 나은 경험을 만들 수 있게 되어 기쁩니다. Intuit의 기술자들은 이 프로토콜을 사용하여 고객을 위한 맞춤형 경험의 일환으로 자율적인 금융 워크플로를 위한 AI 에이전트를 배포할 수 있게 될 것입니다." - Tapasvi Moturu, Intuit 소프트웨어 엔지니어링 부문 부사장
JCB: "JCB는 Google의 에이전트 결제 프로토콜 (AP2) 이니셔티브를 결제의 새로운 시대를 열어갈 혁신적이고 중요한 프로토콜로 옹호하며, JCB는 은행 및 결제 기관 파트너, 카드 회원, 판매자를 포함한 전체 생태계에 도움이 되도록 프로토콜에 기여하기를 기대합니다." - Shinya Kubotera, JCB co., Ltd. 전무이사 겸 전략 혁신 책임자 Ltd
JusPay: "결제의 미래는 본질적으로 개방적이고 상호 운용 가능합니다. UPI와의 협업과 세계 최초의 오픈소스 결제 조정 플랫폼인 Hyperswitch 개발을 통해 이러한 힘을 입증했습니다. Google은 이 새로운 프로토콜 (AP2)이 AI 기반 상거래를 실현하는 데 필요한 안전한 공유 기반을 제공한다고 믿으며, 이 이니셔티브에 Google의 전문성을 기여할 준비가 되어 있습니다." - 시탈 랄와니, Juspay 공동 창업자
KCP: “NHN KCP는 에이전트 결제 프로토콜 (AP2)을 글로벌 결제 생태계의 핵심적인 발전으로 보고 있으며, AI 기반 결제를 더욱 안정적이고 편리하며 널리 채택될 수 있도록 글로벌 파트너와 협력하기를 기대합니다.” – 노재욱, NHN KCP 전무이사
Lightspark: “Google에서 결제 업무를 담당하면서 개방적이고 검증된 프로토콜이 강력한 네트워크 효과를 발휘할 수 있다는 것을 알게 되었습니다. Google의 에이전트 결제 프로토콜 (AP2)은 신뢰할 수 있는 AI 에이전트가 사용자를 대신해 원활하게 거래하는 미래를 향한 큰 발걸음입니다. Lightspark는 개방적이고 글로벌한 상호 운용성이라는 비전을 실현하기 위해 최선을 다하고 있습니다." - Alberto Martin, Lightspark CPO
ManusAI: "Google의 에이전트 결제 프로토콜 (AP2)은 에이전트 생태계에서 오랫동안 직면해 온 근본적인 수익 창출 문제를 해결하는 획기적인 솔루션입니다. AI 에이전트 간의 원활하고 표준화된 보상을 가능하게 하는 동시에 진정한 멀티 에이전트 협업을 방해해 온 지속 불가능한 리소스 불균형을 해소합니다." - Manus CTO Tao Zhang
Mastercard: “Mastercard는 지속적이고 책임감 있는 혁신을 위해 최선을 다하고 있으며, Google, 주요 은행, 판매자, AI 플랫폼 및 기타 업계 리더와 협력하여 에이전트형 상거래의 미래를 만들어 나갈 수 있게 되어 기쁩니다. 이러한 노력에는 FIDO Alliance와 같은 표준 기관과의 중요한 협력이 포함됩니다. Google은 이 역동적인 새로운 맥락에서 소비자의 의도를 포착하고 보호하기 위해 검증 가능한 사용자 인증 정보를 발전시키고 있습니다. 함께 결제 생태계를 보호하는 데 필수적인 역할을 수행하고 있으며, 모든 거래의 핵심에 신뢰와 안전이 유지되도록 보장하고 있습니다." – 파블로 푸레즈, Mastercard 최고 디지털 책임자
MetaMask: “블록체인은 에이전트를 위한 자연스러운 결제 레이어이며, Ethereum이 그 기반이 될 것입니다. Agent Payments Protocol (AP2)과 x402를 통해 MetaMask는 개발자에게 최대한의 상호 운용성을 제공하고 사용자가 완전한 구성 가능성과 선택권을 가지고 에이전트에 지불할 수 있도록 지원하는 동시에 진정한 자기 관리의 보안과 제어력을 유지할 것입니다.” - Marco De Rossi, MetaMask AI 리드
Mesh: "AI가 상거래를 진정으로 주도하려면 에이전트가 안전하고 보편적인 방식으로 결제를 처리할 수 있어야 합니다. Google의 새로운 에이전트 결제 프로토콜 (AP2)은 이를 가능하게 하는 기반 프레임워크를 제공하는 획기적인 진전입니다. Google Cloud는 에이전트 주도 상거래의 잠재력을 최대한 활용할 수 있도록 지원하고 있으며, 특히 암호화폐와 같은 프로그래밍 가능한 애셋을 활용할 수 있도록 지원하고 있습니다. Google Cloud의 기술은 암호화폐 생태계의 복잡성을 추상화하여 에이전트가 수백 개의 지갑과 거래소에 원활하게 액세스하고 100개 이상의 토큰을 지원할 수 있도록 합니다. 이를 통해 결제가 완료될 뿐만 아니라 가장 효율적인 경로를 통해 라우팅되어 속도와 성공을 보장합니다.” - Bam Azizi, Mesh CEO 겸 공동 창립자
Mysten Labs: "검증된 사용자를 대신해 구매하는 검증된 에이전트는 AI 기반 자동화의 새로운 영역입니다. Google의 에이전트 결제 프로토콜 (AP2)은 Sui와 같은 최신 블록체인을 통한 프로그래밍 가능한 결제와 A2A 및 MCP와 같은 빠르게 성장하고 있는 개방형 프로토콜을 결합합니다. 실제 에이전트형 커머스를 위한 완벽한 기반입니다. - 샘 블랙셰어, Sui의 원본 기여자이자 Mysten Labs의 최고 기술 책임자 겸 공동 설립자
Nexi: “Google Cloud와 AP2를 공동 개발하여 상거래의 근본적인 패러다임 전환에 기여하게 되어 기쁩니다. 유럽의 규모와 현지의 특성을 모두 갖춘 기업으로서, 유럽의 판매자가 전 세계적으로 경쟁력을 유지하면서 소비자에게 원활하고 맞춤화된 온라인 쇼핑 경험을 제공할 수 있도록 지원하는 것을 목표로 삼고 있습니다. Google Cloud의 에이전트 AI 전자상거래 기술을 활용하여 판매자와 파트너를 위한 결제 과정을 계속해서 간소화할 것입니다." – Roberto Catanzaro, Nexi Merchant Solutions 부문 최고 비즈니스 책임자
Okta: "A2A 프로토콜을 결제에 확장하는 것은 AI 에이전트 간의 상거래를 위한 안전하고 상호 운용 가능한 기반을 구축하는 데 있어 중요한 단계입니다. Auth0는 에이전트 결제 프로토콜 (AP2)을 지원하고 AI 에이전트 간의 미래 결제가 원활하고 안전하게 이루어지도록 돕게 되어 기쁩니다.” – Stephen Lee, Okta 기술 전략 및 파트너십 부문 부사장
Payoneer: "Payoneer는 AI 에이전트가 수백만 개의 소규모 비즈니스의 금융 워크플로를 간소화할 수 있는 엄청난 잠재력을 지니고 있다고 생각합니다. 에이전트 결제 프로토콜 (AP2)을 지원함으로써 Payoneer 플랫폼이 전 세계 중소기업을 연결하는 것처럼 에이전트가 안전하고 원활하게 협업할 수 있도록 보장하고 있습니다." – Payoneer AI 부문 부사장 가이 샬레브
PayPal: "AP2는 신뢰할 수 있는 에이전트 결제를 위한 중요한 기반을 제공하여 생태계가 신뢰할 수 있는 거래를 촉진하는 방법을 명확히 파악할 수 있도록 지원합니다. PayPal은 이러한 비전에 전적으로 동의하며, PayPal의 상거래 전문성을 바탕으로 구매 여정 전반에 걸쳐 이러한 원칙을 확장하는 데 기여할 수 있기를 기대합니다." - PayPal 수석 부사장 겸 AI 부문 글로벌 책임자, 프라카르 메로트라
PwC: "PwC는 결제 및 자금 이동과 같은 중요한 작업에 대한 신뢰, 안전, 개인 정보 보호를 유지하는 데 중점을 둔 에이전트 AI를 통해 혁신을 촉진하기 위해 노력하고 있습니다. Google은 에이전트 결제 프로토콜 (AP2)과 Agent2Agent 프로토콜의 확장이 정보 보안을 훼손하지 않으면서 안전을 강화하는 중요한 도약이라고 믿습니다." – Scott Likens, PwC 글로벌 / 미국 최고 AI 엔지니어링 책임자
Salesforce: "디지털 상거래를 지원하는 데 있어 광범위한 전문성을 갖춘 Salesforce는 기업이 에이전트 결제를 대규모로 활용하여 진정으로 원활한 상거래 경험을 창출하고 오늘날 에이전트 엔터프라이즈가 되는 데 중요한 생산성을 높일 수 있도록 지원하게 되어 기쁩니다. " – Nitin Mangtani, Salesforce Commerce & Retail Cloud 부문 수석 부사장 겸 총괄 관리자
ServiceNow: “Google과의 파트너십은 에이전트형 생태계의 잠재력을 최대한 활용하는 데 중점을 두고 있습니다. Agent2Agent 프로토콜의 얼리 어답터이자 출시 파트너로서, 이제 자율 AI 에이전트가 원활하게 전자상거래 거래를 수행할 수 있게 되어 기쁩니다. 양사는 신뢰, 보안, 거버넌스를 기반으로 차세대 영업 및 조달 워크플로를 발전시키고 있으며, 기업이 에이전트 AI로 확장하는 방식에 대한 새로운 표준을 세우고 있습니다." - Jon Sigler, ServiceNow AI 플랫폼 부문 수석 부사장 겸 총괄 관리자
Shopee: "Shopee는 에이전트가 전자상거래를 혁신할 수 있는 엄청난 잠재력을 지니고 있다고 생각하며, Google의 에이전트 결제 프로토콜 (AP2)과 같은 업계 프로토콜이 이러한 미래를 실현하는 데 중요한 역할을 할 것이라고 믿습니다." - David Chen, Shopee 최고 제품 책임자
Worldpay: "Worldpay는 신뢰와 안전을 기반으로 구축되어 판매자와 구매자에게 힘을 실어주는 에이전트형 커머스를 위한 개방적이고 상호 운용 가능한 기반이라는 Google의 비전을 공유합니다. AP2 프로토콜은 에이전트, 판매자, 결제 제공업체가 대규모로 안전하게 거래할 수 있는 방법을 정의하는 데 있어 의미 있는 첫걸음입니다." – Worldpay 최고 제품 책임자 Cindy Turner
1password: "A2A 및 AP2와 같은 개방형 프로토콜은 보안과 투명성을 유지하면서 AI를 널리 도입하는 데 매우 중요합니다. 1Password는 디지털 결제 사용자 인증 정보 지원을 시작으로 미래는 멀티 에이전트 시대이며, 에이전트 액세스 및 승인 관리는 개인 정보 보호, 투명성, 신뢰라는 핵심 보안 가치를 지키면서 사용자 인증 정보를 보호하는 것에서 시작됩니다." - Anand Srinivas, 1Password 제품 및 AI 부문 부사장

공개 GitHub 저장소에서 전체 기술 사양, 문서, 참조 구현을 확인하여 시작하세요.

8세대 TPU 내부: 아키텍처 심층 분석

Wed, 02 Sep 2026 20:00:00 +0000

Google의 TPU 설계 철학은 항상 확장성, 안정성, 효율성이라는 세 가지 핵심 요소에 중점을 두고 있습니다. AI 모델이 밀집된 대규모 언어 모델 (LLM)에서 대규모 전문가 망 (MoE) 및 추론 중심 아키텍처로 진화함에 따라 하드웨어는 초당 부동 소수점 연산 (FLOPS)을 추가하는 것 이상의 작업을 수행해야 합니다. 즉, 최신 워크로드의 특정 운영 강도에 맞게 진화해야 합니다.

에이전트 AI의 부상으로 긴 컨텍스트 윈도우와 복잡한 순차적 논리를 처리할 수 있는 인프라가 필요해졌습니다. 동시에 월드 모델은 현재의 다음 데이터 시퀀스 아키텍처에서 필요한 진화로 등장했습니다. 이는 새로운 에이전트가 위험한 시행착오가 아닌 '상상력'을 통해 미래 시나리오를 시뮬레이션하고, 결과를 예측하고, 학습하고 있음을 의미합니다. 8세대 TPU (TPU 8t 및 TPU 8i)는 이러한 과제에 대한 Google Cloud의 해답으로, 학습의 첫 번째 토큰부터 다중 턴 추론 체인의 마지막 단계에 이르기까지 모든 워크로드가 가능한 가장 효율적인 경로로 실행되도록 보장합니다. 이러한 TPU는 Google DeepMind의 Genie 3과 같은 월드 모델을 효율적으로 학습시키고 제공하도록 빌드되어 수백만 개의 에이전트가 다양한 시뮬레이션 환경에서 추론을 연습하고 개선할 수 있습니다.

TPU 8: 특화된 설계

사전 학습, 사후 학습, 실시간 서빙의 인프라 요구사항이 서로 다르다는 점을 인식한 Google Cloud는 8세대 TPU에 TPU 8t와 TPU 8i라는 두 가지 시스템을 도입했습니다. 이러한 새로운 시스템은 하드웨어, 소프트웨어, 네트워킹을 결합하여 전체 AI 수명 주기를 지원하는 통합 슈퍼컴퓨팅 아키텍처인 Google Cloud의 AI 하이퍼컴퓨터의 핵심 구성요소입니다. 두 시스템 모두 Google AI 스택의 핵심 DNA를 공유하고 전체 AI 수명 주기를 지원하지만, 각각은 고유한 병목 현상을 해결하고 개발의 중요한 단계에서 효율성을 최적화하도록 빌드되었습니다. 또한 8세대 TPU 시스템 전반에 Arm 기반 Axion CPU 헤더를 통합하여 데이터 준비 지연 시간으로 인한 호스트 병목 현상을 제거했습니다. Axion은 복잡한 데이터 전처리와 조정 작업을 처리할 수 있는 컴퓨팅 헤드룸을 제공하므로 TPU가 계속 공급되고 멈추지 않습니다.

TPU 8t: 사전 학습의 강자

대규모 사전 학습 및 임베딩 집약적 워크로드에 최적화된 TPU 8t는 단일 슈퍼포드에서 9,600개의 칩이라는 훨씬 더 큰 규모로 입증된 3D 토러스 네트워크 토폴로지를 활용합니다. TPU 8t는 수백 개의 슈퍼포드에서 최대 처리량을 제공하도록 설계되어 학습 실행이 일정대로 진행되도록 보장합니다.

이전 세대 TPU 대비 TPU 8t의 주요 개선사항은 다음과 같습니다.

SparseCore의 장점: TPU 8t의 핵심은 임베딩 조회의 불규칙한 메모리 액세스 패턴을 처리하도록 설계된 특수 가속기인 SparseCore입니다. MXU (행렬 곱셈 단위)가 행렬 연산을 처리하는 동안 SparseCore는 데이터 종속적인 all-gather 연산을 다른 집합 연산과 함께 오프로드하여 범용 칩을 괴롭히는 제로 연산 병목 현상을 방지합니다.
VPU/MXU 중첩 및 균형 잡힌 확장: TPU 8t는 프로비저닝된 FLOPS 사용률을 극대화하도록 설계되었습니다. 더 균형 잡힌 벡터 처리 단위 (VPU) 확장을 구현함으로써 아키텍처는 노출된 벡터 연산 시간을 최소화합니다. 이를 통해 MXU의 행렬 곱셈과 양자화, 소프트맥스, 레이어 정규화가 더 잘 겹치도록 하여 칩이 순차적 벡터 작업을 기다리지 않고 계속 작동할 수 있습니다.
기본 FP4: TPU 8t는 기본 4비트 부동 소수점 (FP4)을 도입하여 메모리 대역폭 병목 현상을 극복하고, 낮은 정밀도 양자화에서도 대규모 모델의 정확성을 유지하면서 MXU 처리량을 두 배로 늘립니다. 파라미터당 비트를 줄임으로써 플랫폼은 에너지 집약적인 데이터 이동을 최소화하고 더 큰 모델 레이어를 로컬 하드웨어 버퍼에 맞게 조정하여 최대 컴퓨팅 사용률을 달성할 수 있습니다.

그림 1: TPU 8t ASIC 블록 다이어그램

Virgo 네트워크 토폴로지 및 최대 4배의 데이터 센터 네트워크 증가: TPU 8t의 대규모 데이터 요구사항을 지원하기 위해 Virgo 네트워크를 도입했습니다. 이 새로운 네트워킹 아키텍처를 통해 DCN을 통한 TPU 8t 학습에서 데이터 센터 네트워크 (DCN) 대역폭이 최대 4배 증가합니다. Virgo Network는 최신 AI 워크로드의 극단적인 요구사항을 충족하도록 설계된 수평 확장 패브릭입니다. 스위치당 더 많은 포트를 허용하여 네트워크 계층을 줄이는 high-radix 스위치를 기반으로 구축되었으며, 평면적인 2계층 비차단 토폴로지를 사용합니다. 기존 데이터 센터 네트워크와 비교했을 때 네트워크 계층을 최소화하여 지연 시간을 크게 줄입니다. TPU 8t 칩을 연결하기 위한 독립적인 제어 도메인이 있는 다중 평면 설계가 특징입니다. TPU 8t 랙은 컴퓨팅 및 스토리지 서비스에 액세스하기 위해 Jupiter 남북 패브릭과도 연결됩니다. 이러한 간소화된 아키텍처는 고가용성으로 세계 최대 규모의 학습 클러스터를 지원하는 데 필요한 대규모 바이섹션 대역폭과 결정적 짧은 지연 시간을 제공합니다.

칩 간 상호 연결 (ICI)의 대역폭이 2배로 늘어나고 이전 세대 대비 최대 4배의 원시 스케일 아웃 DCN 대역폭을 제공하는 TPU 8t는 데이터 병목 현상을 크게 줄여줍니다. 그런 다음 최첨단 모델의 개발을 더욱 가속화하기 위해 단일 클러스터를 넘어 분산 학습을 확장합니다. JAX와 Pathways를 사용하면 이제 단일 학습 클러스터에서 100만 개 이상의 TPU 칩으로 확장할 수 있습니다. Virgo 네트워크는 단일 패브릭에서 최대 47페타비트/초의 차단되지 않는 양방향 대역폭으로 134,000개 이상의 TPU 8t 칩을 연결할 수 있습니다. 이 패브릭은 선형에 가까운 확장 성능으로 1.7K ExaFlops 이상의 성능을 제공합니다.

그림 2: Virgo 패브릭에 대한 TPU 8t 랙 수준 연결

더 빠른 스토리지 액세스: TPU 8t에 TPUDirect RDMA 와 TPU Direct Storage를 도입합니다. TPU Direct RDMA를 사용하면 호스트 CPU와 DRAM을 우회하여 TPU의 메모리 (HBM)와 네트워크 인터페이스 카드 (NIC) 간에 직접 데이터를 전송할 수 있습니다. 이렇게 하면 지연 시간과 호스트 시스템 병목 현상이 줄어들어 TPU 간 통신의 유효 대역폭이 증가합니다. 마찬가지로 TPUDirect Storage는 TPU와 10T Lustre와 같은 고속 관리형 스토리지 간에 직접 메모리 액세스를 지원하여 CPU 호스트 병목 현상을 우회함으로써 대규모 데이터 전송을 위한 대역폭을 효과적으로 두 배로 늘립니다. 이 아키텍처를 사용하면 실리콘이 라인 속도로 학습 데이터를 수집할 수 있으므로 대규모 멀티모달 데이터 세트를 처리할 때도 MXU가 완전히 포화 상태를 유지할 수 있습니다.

Managed Lustre 10T와 TPUDirect Storage를 결합하여 수백 페타바이트의 데이터 세트를 실리콘으로 직접 라우팅하는 TPU 8t는 데이터 수집 병목 현상으로 인한 학습 지연을 방지합니다. 이를 통해 7세대 Ironwood TPU에서 학습하는 것보다 10배 빠른 스토리지 액세스를 제공합니다.

그림 3: 위쪽 다이어그램은 TPUDirect Storage가 없는 데이터 전송 경로를 보여줍니다. 아래 다이어그램은 2개의 TPU 8t 칩 간의 TPUDirect Storage를 사용한 TPU 8t 데이터 전송과 관리형 10T Lustre 스토리지를 사용한 TPUDirect Storage를 보여줍니다.

TPU 8i: 샘플링 및 서빙 전문가

학습 후 및 동시 실행 추론에 최적화된 TPU 8i는 Google의 최고 수준의 온칩 SRAM, 새로운 CAE (Collectives Acceleration Engine), Boardfly라는 새로운 서빙 최적화 네트워크 토폴로지로 설계되었습니다.

대규모 온칩 SRAM: 이전 세대보다 3배 더 많은 온칩 SRAM을 갖춘 TPU 8i는 더 큰 KV 캐시를 완전히 실리콘에 호스팅하여 긴 컨텍스트 디코딩 중에 코어의 유휴 시간을 크게 줄일 수 있습니다.

그림 4: TPU 8i ASIC 블록 다이어그램

집단 가속 엔진 (CAE): 샘플링 병목 현상을 해결하기 위해 TPU 8i는 CAE를 사용합니다. CAE는 코어 전반의 결과를 거의 제로에 가까운 지연 시간으로 집계하여 자기 회귀 디코딩 및 '생각의 사슬' 처리 중에 필요한 축소 및 동기화 단계를 구체적으로 가속화합니다. 각 TPU 8i 칩에는 온코어 다이에 2개의 TensorCore (TC)가 있고 칩렛 다이에 1개의 CAE가 있어 이전 세대 Ironwood TPU의 코어 다이에 있던 4개의 SparseCore (SC)를 대체합니다. TPU 8i는 특수 CAE를 통합하여 수집의 온칩 지연 시간을 5배 더 줄입니다. 집단 연산당 지연 시간이 짧다는 것은 대기 시간이 짧다는 의미이며, 이는 수백만 개의 에이전트를 동시에 실행하는 데 필요한 더 높은 처리량에 직접적으로 기여합니다.
Boardfly ICI 토폴로지: 3D 토러스는 수천 개의 칩을 연결하여 일관성 있게 사용할 수 있도록 하지만, 대규모 메시에는 칩 간에 더 많은 홉이 있고 전체 대기 시간이 더 깁니다. 8i에서는 완전 연결 보드에서 칩이 서로 연결되는 방식을 변경한 다음 그룹으로 집계했습니다. 높은 기수 설계를 활용하여 이러한 칩을 최대 1,152개까지 함께 연결하여 네트워크 지름과 데이터 패킷이 시스템을 가로지르기 위해 거쳐야 하는 홉 수를 줄입니다. Boardfly는 MoE 및 추론 모델의 핵심인 전체 대 전체 통신에 필요한 홉을 줄여 통신 집약적인 워크로드의 지연 시간을 최대 50% 까지 개선합니다.

그림 5: 4개의 완전 연결된 칩으로 구성된 템플릿에서 8개의 보드로 구성된 완전 연결된 그룹으로 빌드업되는 TPU 8i 계층적 Boardfly 토폴로지. 이러한 그룹 36개가 완전 연결되어 TPU 8i 포드를 구성함

Boardfly는 다음과 같은 요소로 구성되며, 토폴로지는 본질적으로 계층적입니다.

빌딩 블록 (BB): 각 트레이는 내부 ICI 링크를 사용하여 4개의 칩으로 구성된 링을 형성하며, 더 넓은 네트워킹을 위해 16개의 외부 연결을 제공합니다.
그룹 (G): 8개의 보드가 구리 케이블을 통해 완전히 연결되어 로컬 그룹을 만들고 그룹 내 통신을 위해 사용 가능한 외부 링크 11개를 활용합니다.
포드 구조: 최종 아키텍처는 광학 회로 스위치 (OCS)를 통해 연결된 36개 그룹 (최대 1,024개의 활성 칩)으로 확장되어 칩 간 통신에 최대 7홉의 지연 시간을 보장합니다.

심층 분석: Boardfly 대 토러스 수학

TPU 8i에 토러스를 사용하지 않는 이유 네트워크 지름에 달려 있습니다.

3D 토러스에서는 각 차원이 링처럼 감싸는 그리드에 노드가 배열됩니다. 8 x 8 x 16 (1024칩) 구성에서 가장 멀리 있는 칩에 도달하려면 패킷이 각 링의 절반 거리를 통과해야 합니다.

3D 토러스 = 8/2(X) + 8/2(Y) + 16/2(Z) = 16홉

토러스는 밀집된 학습에 일반적인 인접 노드 간 통신에 매우 효율적이지만, 전체 통신 패턴에 지연 시간 세금을 부과합니다. 추론 모델과 MoE의 시대에는 토큰을 라우팅하기 위해 모든 칩이 다른 칩과 통신해야 할 수 있으므로 홉 수가 중요합니다.

Boardfly의 고기수 토폴로지는 Dragonfly 토폴로지 원칙에서 영감을 받았습니다. 보드 그룹 간의 직접 광 장거리 링크 수를 늘려 네트워크를 평면화합니다. 동일한 1024개 칩 포드의 경우 Boardfly는 네트워크 직경을 16홉에서 7홉으로 줄입니다.

네트워크 직경이 56% 감소하면 테일 지연 시간이 직접적으로 단축되므로 TPU 8i CAE가 포드 전체에서 데이터가 도착할 때까지 기다릴 필요가 없습니다.

그림 6: TPU 8i 포드에서 광 회로 스위치를 통해 최대 7홉 ICI 네트워크 직경을 시각적으로 표현한 그림

TPU 8t 및 TPU 8i 한눈에 보기

기능	TPU 8t	TPU 8i
기본 워크로드	대규모 사전 학습	샘플링, 서빙, 추론
네트워크 토폴로지	3D 토러스	Boardfly
특수 칩 기능	SparseCore (임베딩) 및 LLM 디코더 엔진	CAE (Collectives Acceleration Engine)
HBM 용량	216 GB	288 GB
온칩 SRAM (Vmem)	128MB	384MB
최고 FP4 PFLOPS	12.6	10.1
HBM 대역폭	6,528GB/초	8,601GB/초 (TPU 8t의 약 1.3배)
CPU 헤더	Arm Axion	Arm Axion

소프트웨어 지원: 성능 중심의 AI 스택

하드웨어의 성능은 이를 구동하는 소프트웨어에 따라 달라집니다. 8세대 TPU는 7세대 Ironwood TPU에서 개척한 것과 동일한 성능 중심 스택을 기반으로 빌드되었으며, 고급 프레임워크의 추상화를 희생하지 않고도 커스텀 커널 개발에 액세스할 수 있도록 설계되었습니다. 이 스택에는 다음이 포함됩니다.

Pallas 및 Mosaic: Google은 Python으로 하드웨어 인식 커널을 작성할 수 있는 커스텀 커널 언어인 Pallas를 최고 수준으로 지원합니다. 이를 통해 TPU 8i CAE 및 TPU 8t SparseCore에서 성능을 최대한 끌어낼 수 있습니다.
네이티브 PyTorch 환경: TPU에 대한 네이티브 PyTorch 지원이 이제 프리뷰 버전으로 제공됩니다. 현재 PyTorch에서 모델을 빌드하고 서빙하고 있다면 이전보다 훨씬 쉽게 TPU를 사용할 수 있습니다. Eager 모드와 같이 사용 중인 기본 기능을 완벽하게 지원하는 TPU에 기존 모델을 그대로 가져올 수 있습니다.
이식성: Ironwood에서 실행되는 동일한 JAX, PyTorch 또는 Keras 코드가 이 세대로 확장됩니다. Accelerated Linear Algebra (XLA)는 백그라운드에서 Boardfly 토폴로지와 CAE 동기화의 복잡한 변환을 처리하므로 상호 연결이 아닌 모델에 집중할 수 있습니다.

세대별 성능 향상

하드웨어와 소프트웨어를 공동 설계하려는 Google의 노력은 계속해서 결실을 맺고 있습니다. 8세대 TPU는 7세대 Ironwood TPU와 비교했을 때 다음과 같은 엄청난 이점을 제공합니다.

학습 가격 대비 성능: TPU 8t는 대규모 학습을 위해 Ironwood TPU 대비 달러당 최대 2.7배 더 높은 성능을 제공합니다.
추론 가격 성능: TPU 8i는 특히 대규모 MoE 모델의 짧은 지연 시간 목표에서 Ironwood TPU 대비 달러당 성능이 최대 80% 향상되었습니다.
에너지 효율성: 두 칩 모두 와트당 성능이 최대 2배 향상되어 차세대 AI를 지속 가능한 방식으로 확장하는 데 중요한 역할을 합니다.

향후 계획

차세대 혁신을 선도하는 Google Cloud 고객을 지원하기 위해 Google Cloud는 TPU 8t와 TPU 8i를 AI 수명 주기의 다각적인 미래 수요에 맞게 조정된 두 가지의 고유한 전문 시스템으로 설계했습니다. TPU 8t 및 8i는 모두 가장 까다로운 서빙 및 학습 워크로드 전용으로 빌드되었으며 JAX, PyTorch, vLLM, XLA, Pathways와 같은 AI 하이퍼컴퓨터 소프트웨어 스택과 완전히 통합됩니다. 이러한 전문화와 처음부터 다시 설계한 디자인은 Google DeepMind와의 긴밀한 협업을 통해 탁월한 가격 대비 성능과 전력 효율성을 제공합니다.

8세대 아키텍처의 모듈성은 미래를 위한 명확하고 고유한 로드맵을 제공합니다. 컴퓨팅 환경의 모든 주요 변화에는 인프라 혁신이 필요했으며, 에이전트 시대도 마찬가지입니다. 연속적인 피드백 루프 내에서 계획, 실행, 학습하는 추론 에이전트는 원래 기존 학습 또는 트랜잭션 추론에 최적화된 하드웨어에서 최고의 효율성으로 작동할 수 없습니다. 운영 강도가 근본적으로 다르기 때문입니다. Google Cloud의 8세대 TPU 인프라는 이러한 구체적인 요구사항을 정면으로 충족하기 위해 진화했습니다.

8세대 TPU 제품군에 대해 자세히 알아보려면 다음을 참고하세요.

최고의 Nano Banana 프롬프트 가이드

Wed, 02 Sep 2026 20:00:00 +0000

Vertex AI가 진화했습니다. 에이전트형 인력을 빌드, 확장, 제어, 최적화할 수 있는 새로운 공간인 Gemini Enterprise Agent Platform을 출시했습니다. 이제 Google의 세계적 수준의 모델과 개발 기능이 에이전트 시대에 맞게 포괄적인 환경으로 통합되었습니다. 자세히 알아보기

정확한 고품질 이미지를 만들려면 끝없는 시행착오를 거쳐야 하는 경우가 많습니다. 실제로 사용자의 요청을 이해하는 모델이 필요합니다.

Gemini 3 모델 제품군을 기반으로 빌드된 Nano Banana 모델은 이미지 생성 전에 프롬프트를 완전히 이해하기 위해 심층적인 추론 기능을 적용합니다. 그래서 몇 주 동안 Nano Banana 2와 Nano Banana Pro를 상상할 수 있는 모든 사용 사례에 대해 테스트하여 한계를 시험해 보았습니다.

이 가이드에서는 Google이 배운 내용과 최상의 결과를 얻는 방법을 공유합니다.

이 가이드에서 다루는 내용은 다음과 같습니다.

모델 개요
기술 사양의 전체 분석
효과적인 프롬프트 작성을 위한 권장사항
프롬프트 작성 프레임워크
Nano Banana가 다른 크리에이티브 모델인 Veo 및 Lyria와 어떻게 작동하는지 알아봅니다.

모델 개요

Nano Banana 모델은 실제 세계에 대한 지식과 심층적인 추론 기능을 사용하여 정확하고 풍부한 시각적 결과를 제공하는 고급 이미지 생성 및 편집 모델입니다. 가장 최근에는 Nano Banana 2를 발표했습니다. 이 모델은 다음과 같은 세 가지 측면에서 뛰어납니다.

더 정확한 시각 자료: Nano Banana 2는 웹 검색의 실시간 정보와 이미지를 기반으로 작동합니다. 즉, 더 나은 교육 도구, 현지화된 마케팅, 여행 앱 등을 이용할 수 있게 됩니다.
빠르고 전문적인 수준의 기능: 텍스트 렌더링 및 번역부터 2K/4K 업스케일링까지 프리미엄 기능을 사용할 수 있습니다. 이제 크리에이티브팀은 일관된 내러티브, 스토리보드, 제품 목업을 빌드할 수 있습니다.
정밀한 제어: 16:9, 9:16, 2:1 등을 기본적으로 지원하므로 프로젝트 요구사항에 맞게 이미지를 생성하거나 편집할 수 있습니다. 포스터, 마케팅 목업, 광고 등 무엇을 생성하든 생생한 조명과 풍부한 질감을 기대할 수 있습니다.

Nano Banana 2 및 Nano Banana Pro의 기술 사양 분석

프롬프트 작성에 들어가기 전에 API와 Vertex AI를 통해 모델이 처리할 수 있는 작업을 살펴보겠습니다 (최신 정보는 항상 공식 Gemini 3 Pro Image 및 Gemini 3.1 Flash Image 문서를 확인하세요).

컨텍스트 윈도우: Gemini 3.1 Flash Image (Nano Banana 2)는 최대 131,072개의 입력 토큰을 지원하며 , Gemini 3 Pro Image (Nano Banana Pro)는 최대 65,536개의 입력 토큰을 지원합니다. 두 모델 모두 최대 32,768개의 출력 토큰을 지원합니다.
해상도: 1K, 2K, 4K 시각 자료를 생성하는 기본 제공 기능 Gemini 3.1 Flash Image는 더 작은 512px (0.5K) 해상도를 추가합니다.
가로세로 비율: 두 모델 모두 1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9를 지원합니다. Gemini 3.1 Flash Image 프리뷰에는 1:4, 4:1, 1:8, 8:1 가로세로 비율도 추가됩니다.
이미지 입력: 단일 프롬프트에서 최대 14개의 참조 객체 이미지를 혼합할 수 있습니다. 지원되는 MIME 유형에는 image/png, image/jpeg, image/webp, image/heic, image/heif가 포함됩니다.
문서 입력: 텍스트와 PDF 파일을 입력할 수 있습니다. 파일당 최대 파일 크기는 API 및 Cloud Storage 가져오기의 경우 50MB, Google Cloud 콘솔을 통한 직접 업로드의 경우 7MB입니다.
출력: 두 모델 모두 텍스트와 이미지를 출력합니다.
모델 기술 자료: 두 모델 모두 2025년 1월을 지식 단절 시점으로 합니다.
실시간 데이터: 두 모델 모두 웹 검색의 실시간 정보를 기반으로 작동
신뢰 및 안전: 생성된 모든 이미지에는 C2PA 콘텐츠 자격 증명과 SynthID 워터마크가 포함됩니다.

주요 기능의 예시를 보려면 이 블로그를 확인하세요.

효과적인 프롬프트 작성을 위한 권장사항

효과적인 프롬프트 작성에는 몇 가지 방법이 있습니다. 이러한 방법을 사용하면 원하는 시각적 결과물을 얻을 수 있습니다. 다음 가이드라인을 참고하세요.

구체적으로 작성: 피사체, 조명, 구도에 대한 구체적인 세부정보를 제공합니다.
긍정적인 프레이밍 사용: 원하지 않는 것이 아닌 원하는 것을 설명합니다 (예: '차가 없다' 대신 '텅 빈 거리').
카메라 제어: '로우 앵글', '항공 뷰'와 같은 사진 및 영화 용어를 사용합니다.
반복: 대화하듯 후속 프롬프트를 작성하여 이미지를 다듬습니다.

핵심은 모델에 수행하려는 기본 작업을 알려주는 강력한 동사로 프롬프트를 시작하는 것입니다.

5가지 프롬프트 작성 프레임워크

1. 이미지 생성

이미지를 생성할 때 프롬프트 구조는 참조 이미지를 사용하는지 아니면 텍스트에만 의존하는지에 따라 완전히 달라집니다.

참고 자료 없이 텍스트 이미지 변환

빈 캔버스로 시작할 때는 여러분이 감독입니다. 단순한 키워드 목록으로는 충분하지 않습니다. 장면을 서술적으로 설명해야 합니다.

공식: [피사체] + [동작] + [위치/상황] + [구도] + [스타일]

프롬프트 예시: [주제] 맞춤형 브라운 드레스와 세련된 부츠를 신고 각진 핸드백을 들고 있는 멋진 패션 모델. [동작] 약간 돌아선 채로 자신감 있고 당당한 자세를 취하고 있습니다. [위치/맥락] 이음새가 없는 진한 체리 레드 스튜디오 배경. [Composition] Medium-full shot, center-framed. [Style] Fashion magazine style editorial, shot on medium-format analog film, pronounced grain, high saturation, cinematic lighting effect.

멀티모달 생성 (참조를 사용하는 생성)

Gemini를 사용하면 여러 참조 이미지를 결합하여 최종 출력을 안내할 수 있습니다. 이 기능은 캐릭터의 일관성을 유지하거나 특정 제품을 새로운 환경에 병합하는 데 적합합니다.

수식: [참고 이미지] + [관계 지시문] + [새로운 시나리오]

예시 프롬프트: 첨부된 냅킨 스케치를 구조로, 첨부된 원단 샘플을 텍스처로 사용하여 [참조] 고화질 3D 안락의자 렌더링으로 변환해 줘 [관계]. 햇빛이 잘 드는 미니멀한 거실에 배치해 줘 [새로운 시나리오].

참고: 아래 예시의 소스 이미지도 Nano Banana가 생성했습니다.

2. 이미지 수정

편집에는 생성과는 다른 사고방식이 필요합니다. 이미 기본 이미지가 있으므로 프롬프트는 무엇이 변경되고 무엇이 그대로 유지되는지에 초점을 맞춰야 합니다.

대화 기반 수정 (새 참조 없이)

이미지를 생성한 후 대화형으로 조정하고 싶을 때:

시맨틱 마스크 (인페인팅): 텍스트를 통해 '마스크'를 정의하여 이미지의 특정 부분을 수정하고 나머지는 그대로 둘 수 있습니다.
프롬프트 작성 팁: 무엇을 정확히 동일하게 유지할지 명시하세요.

프롬프트 예시: '사진에서 남자를 삭제해 줘'

구성 및 스타일 전이 (새로운 참조 포함)

프롬프트에 새 이미지를 가져와 기존 이미지를 변경합니다.

요소 추가: 기본 이미지와 객체 이미지를 업로드하고 모델에 이를 결합하도록 지시합니다.
스타일 변환: 사진을 업로드하고 모델에 정확한 콘텐츠를 다른 예술적 스타일로 재창조해 달라고 요청합니다. 예를 들어 현대 도시 거리의 사진을 반 고흐 스타일의 그림으로 변환할 수 있습니다.

음악작품

스타일 전이

3. 웹 검색의 실시간 정보

Gemini 이미지 모델은 웹을 적극적으로 검색하여 실시간 정보를 기반으로 이미지를 생성할 수 있습니다.

프롬프트 변경 방법: 가상의 장면을 설명하는 대신 모델에 실제 데이터를 가져오도록 지시한 다음 시각화 방법을 지정합니다.

공식: [소스/검색 요청] + [분석 작업] + [시각적 번역]

예시 프롬프트: [샌프란시스코의 현재 날씨와 날짜를 검색해 줘] + [이 데이터를 분석적으로 사용하여 장면을 수정해 줘 (예: 비가 오는 경우 회색으로 비가 내리는 것처럼 보이게 해 줘)] + [현실적인 최신 스마트폰 UI에 삽입된 컵 속 미니어처 도시 개념으로 시각화해 줘.

3월 3일 화요일에 표시됨

Nano Banana 2는 웹 검색의 실시간 정보와 이미지를 기반으로 작동합니다. 이 기능은 곧 Vertex AI에 출시될 예정이며, 팀에서 더 정확한 시각 자료를 만드는 데 도움이 될 것입니다.

4. 텍스트 렌더링 및 현지화

Nano Banana 2와 Nano Banana Pro는 선명하고 읽기 쉬운 텍스트를 렌더링하여 인상적인 포스터, 다이어그램, 제품 목업을 만드는 데 탁월합니다. 또한 10개 이상의 언어로 최첨단 다국어 텍스트 생성을 지원합니다.

최상의 타이포그래피 결과를 얻으려면 다음 규칙을 따르세요.

인용부호 사용: 원하는 단어를 인용부호로 묶습니다 (예: '생일 축하해' 또는 '도시 탐험가').
글꼴 선택: 글꼴의 서체 스타일이나 이름을 설명합니다. '굵은 흰색 산세리프 글꼴' 또는 'Century Gothic 12px 글꼴'을 요청합니다.
번역 및 현지화: 하나의 언어로 프롬프트를 작성하고 텍스트 출력의 대상 언어를 지정합니다.
텍스트 우선 해킹: 이미지에 대한 텍스트를 생성할 때 Gemini 이미지 모델은 먼저 대화를 통해 텍스트 콘셉트를 생성한 다음 해당 텍스트로 이미지를 요청하는 방식으로 작동하는 것이 가장 좋습니다.

예: 따뜻한 스튜디오 배경에 놓인 매끄럽고 미니멀한 누드 컬러의 페이스 모이스처라이저 용기를 고급스럽고 광택이 나는 상업용 뷰티 샷으로 찍어 줘. 조명은 부드럽고 은은합니다. 제품 옆에 다음 스타일로 3줄의 텍스트를 렌더링합니다. 첫 번째 줄에는 'GLOW'라는 단어를 흐르는 듯한 우아한 Brush Script 글꼴로 표시합니다. 중간 줄에는 '10% OFF'라는 텍스트가 굵고 블록체형의 Impact 글꼴로 표시되어 있습니다. 하단에는 얇고 미니멀한 Century Gothic 글꼴로 '첫 주문'이라는 텍스트를 넣습니다." 그런 다음 텍스트를 한국어와 아랍어로 번역합니다.

"단색 검은색 배경에 굵은 글자로 "New York"이라고 쓰여 있고 프레임 중앙을 채우는 타이포그래피 포스터. 텍스트는 잘라낸 창 역할을 합니다. 뉴욕 스카이라인의 사진은 글자 모양 안에서만 보입니다."

5. 크리에이티브 디렉터처럼 프롬프트 작성

좋은 결과에서 놀라운 결과로 끌어올리려면 키워드 입력을 멈추고 장면을 연출해야 합니다. Gemini 이미지 모델은 스튜디오 수준의 제어 기능을 제공합니다. 크리에이티브 디렉터처럼 프롬프트를 작성하는 방법은 다음과 같습니다.

1. 조명 디자인

장면이 어떻게 조명되는지 모델에 정확히 알려줍니다.

스튜디오 설정: 제품을 고르게 비추기 위해 '3점 소프트박스 설정'을 요청합니다.
극적인 효과: '강렬한 대비의 명암대조법 조명' 또는 '긴 그림자를 만드는 골든아워 백라이팅'을 프롬프트로 작성합니다.

2. 카메라, 렌즈, 초점 선택

특정 하드웨어와 사진 용어를 사용하여 샷의 깊이, 왜곡, 원근감을 제어합니다 .

하드웨어: 정확한 카메라 유형을 지정하여 이미지의 시각적 DNA를 변경합니다. 몰입감 있고 왜곡된 액션 느낌을 내려면 GoPro, 사실적인 색감을 내려면 Fujifilm 카메라, 원시적이고 향수를 불러일으키는 플래시 효과를 내려면 저렴한 일회용 카메라로 촬영해 달라고 요청하세요.
렌즈: "얕은 피사계 심도 (f/1.8)의 로우 앵글 샷"을 명시적으로 요청하여 원근감을 강조합니다. 광범위한 규모를 보여줘야 하는 경우 '광각 렌즈'를 요청하세요. 복잡한 세부정보를 표현하려면 '매크로 렌즈'를 지정하세요.

3. 색 보정 및 필름 스톡 정의

최종 이미지의 질감과 색상은 감정적인 톤을 설정합니다.

향수나 거친 느낌을 원한다면 모델에 '1980년대 컬러 필름처럼 약간 거친 느낌으로' 이미지를 렌더링해 달라고 요청하세요.
현대적이고 분위기 있는 미학을 원한다면 '차분한 청록색 톤의 시네마틱 컬러 그레이딩'을 요청하세요.

4. 소재와 질감 강조

로고, 제품 또는 캐릭터를 생성할 때는 물리적 구성을 정의하세요. 단순히 정장 재킷을 요청하지 말고 '네이비 블루 트위드'를 요청하세요. '갑옷' 대신 '은박 무늬가 새겨진 화려한 엘프 판금 갑옷'이라고 설명해 줘. 모형을 디자인하는 경우 '미니멀한 세라믹 커피 머그'와 같이 표면을 지정합니다.

더 알아보기

Nano Banana Pro와 Nano Banana 2는 Google의 다른 생성형 제작 모델과 원활하게 작동하도록 설계되었습니다.

Nano Banana + Gemini: Gemini 3는 프롬프트를 만들고 창의적인 방향을 설정하는 데 도움이 됩니다.
Nano Banana + Veo: Nano Banana로 애니메이션을 연출할 키프레임을 만든 다음 Veo를 사용해 키프레임 사이의 동영상을 생성합니다. Veo 3.1 프롬프트 작성 가이드는 여기에서 확인하세요.
Nano Banana + Veo + Lyria: 프로젝트의 시각 자료를 생성한 다음 Lyria로 맞춤 AI 사운드트랙을 추가하세요. 여기에서 Lyria에 관해 자세히 알아보세요.

개방형 지식 형식 소개

Wed, 02 Sep 2026 20:00:00 +0000

파운데이션 모델이 계속 개선됨에 따라 관련 컨텍스트의 부족은 특히 에이전트 시스템을 빌드하는 데 사용될 때 모델이 수행할 수 있는 작업을 제한하는 경우가 많습니다. 이러한 모델은 코드를 작성하거나, 문서를 요약하거나, 데이터 세트를 분석하는 데 도움이 될 수 있지만, 정확하고 실행 가능한 결과를 생성하려면 여전히 올바른 정보가 필요합니다.

따라서 오늘 LLM-위키 패턴을 휴대 가능하고 상호 운용 가능한 형식으로 공식화하는 개방형 사양인 Open Knowledge Format (OKF)을 소개합니다. 이는 최신 AI 시스템에 필요한 메타데이터, 컨텍스트, 선별된 지식을 표현하기 위한 에이전트 및 인간 친화적인 벤더 중립 표준입니다.

발표된 바와 같이 OKF v0.1은 YAML 프런트매터가 있는 Markdown 파일의 디렉터리로 지식을 나타내며, 서로 다른 제작자가 작성한 위키를 서로 다른 에이전트가 번역 없이 사용할 수 있도록 하는 합의된 규칙이 소량 포함되어 있습니다.

이상입니다. 복잡한 압축 방식, 새로운 런타임, 필수 SDK가 필요하지 않습니다. OKF 문서 번들은 다음과 같습니다.

단순 마크다운 — 모든 편집기에서 읽을 수 있고, GitHub에서 렌더링할 수 있으며, 모든 검색 도구에서 색인화할 수 있습니다.
파일만 — tarball로 배포 가능, 모든 git 저장소에서 호스팅 가능, 모든 파일 시스템에 마운트 가능
YAML 프런트매터만 사용 — 쿼리할 수 있어야 하는 작은 구조화된 필드 집합(유형, 제목, 설명, 리소스, 태그, 타임스탬프)

Obsidian, Notion, Hugo 또는 지난 1년 동안 등장한 LLM 위키 패턴을 사용해 본 적이 있다면 이 형태가 익숙할 것입니다. OKF는 이러한 패턴을 상호 운용 가능하게 만드는 데 필요한 작은 규칙 집합을 공식화합니다.

이제 OKF가 조직의 문제를 어떻게 해결하는지, 어떻게 작동하는지, 어떻게 시작하는지, 다음 단계는 무엇인지 살펴보겠습니다.

분산된 컨텍스트 환경

대부분의 조직에서 파운데이션 모델이 사용하는 정보는 압도적으로 내부 지식입니다. 테이블의 스키마, 비즈니스의 측정항목 의미, 사고에 대한 런북, 두 시스템 간의 조인 경로, 이전 API에 대한 지원 중단 공지 등이 그 예입니다.

오늘날 이러한 지식의 원자는 매우 세분화된 다양한 시스템에 존재합니다.

자체 API가 있는 메타데이터 카탈로그
위키, 서드 파티 시스템 또는 공유 드라이브
코드 주석, 독스트링 또는 노트북 셀
몇몇 선임 엔지니어의 머리

AI 에이전트가 "이벤트 스트림에서 주간 활성 사용자 수를 어떻게 계산해야 해?"라는 질문에 답해야 할 때, 흩어져 있고 서로 호환되지 않는 이러한 표면에서 답을 모아야 합니다. 모든 공급업체는 자체 카탈로그, 자체 SDK, 자체 기술 그래프 스키마를 제공하며, 이러한 기술은 제품이나 조직 간에 쉽게 이전할 수 없습니다.

그 결과, 모든 에이전트 빌더가 동일한 컨텍스트 어셈블리 문제를 처음부터 해결하고, 모든 카탈로그 공급업체가 동일한 데이터 모델을 재창조하며, 지식 자체가 지식을 생성한 표면 뒤에 잠겨 있습니다.

살아있는 위키로서의 지식

개발자팀은 AI 에이전트를 빌드하는 방식을 바꾸고 있습니다. 모델을 사용하여 동일한 문서에서 동일한 사실을 반복해서 검색하는 대신, 에이전트에게 시간이 지날수록 유용해지는 공유 마크다운 라이브러리를 제공할 수 있습니다. 이를 통해 에이전트는 자체 파일을 읽고 업데이트하는 지루한 작업을 수행할 수 있으며, 팀은 콘텐츠를 선별하고 코드처럼 관리할 수 있습니다.

저명한 AI 연구자이자 교육자인 Andrej Karpathy는 LLM Wiki gist에서 이 아이디어를 가장 명확하게 설명합니다. "LLM은 지루해하지 않고, 교차 참조를 업데이트하는 것을 잊지 않으며, 한 번에 15개의 파일을 처리할 수 있습니다."라고 그는 말합니다. 인간이 개인 위키를 포기하게 만드는 바로 그 장부가 LLM이 잘하는 일입니다.

이와 유사한 위키 기반 지식 패턴은 코딩 에이전트에 연결된 Obsidian 보관함, AGENTS.md / CLAUDE.md 계열의 규칙 파일, 에이전트가 실제 작업을 수행하기 전에 참조하는 index.md 및 log.md 아티팩트로 가득한 저장소, 데이터팀 내의 '코드로서의 메타데이터' 저장소 등 다양한 이름으로 계속해서 등장하고 있습니다.

이 패턴은 강력하고 설득력이 있지만 각 인스턴스는 맞춤형입니다. Karpathy의 위키, 팀의 위키, 공급업체의 카탈로그 내보내기는 모두 비슷해 보일 수 있지만 (마크다운, 프런트매터, 교차 링크) 협업을 위해 의도적으로 설계된 것은 아닙니다. 모든 문서에 어떤 필드가 있어야 하는지 또는 파일 이름이 무엇을 의미하는지에 대해 합의된 답은 없습니다. 그 결과 위키에 인코딩된 지식이 원래 팀 내에만 사일로화되어 새로운 에이전트를 빌드할 때마다 중복된 노력이 발생합니다.

필요한 것은 또 다른 서비스가 아니라 형식입니다.

이 문제의 해결책은 또 다른 지식 서비스가 아닙니다. 형식, 즉 다음과 같은 지식을 표현하는 방법이 필요합니다.

SDK 없이 누구나 제작 가능
통합 없이 누구나 소비 가능
시스템, 조직, 도구 간 이동 시에도 유지됨
설명하는 코드와 함께 버전 제어에 저장됨
사람이 읽을 수 있고 에이전트가 파싱할 수 있음: 동일한 파일, 번역 레이어 없음

OKF는 이러한 형식을 따르도록 설계되었습니다.

OKF 작동 방식: 한 화면에 담긴 디자인

OKF 번들은 개념 을 나타내는 Markdown 파일의 디렉터리입니다. 여기에는 테이블, 데이터 세트, 측정항목, 플레이북, 런북, API 등 캡처하려는 모든 것이 포함됩니다. 각 개념은 하나의 파일입니다. 파일 경로는 개념의 ID입니다.

code_block: <ListValue: [StructValue([('code', 'sales/\r\n├── index.md\r\n├── datasets/\r\n│ ├── index.md\r\n│ └── orders_db.md\r\n├── tables/\r\n│ ├── index.md\r\n│ ├── orders.md\r\n│ └── customers.md\r\n└── metrics/\r\n│ ├── index.md\r\n └── weekly_active_users.md'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f71ca0d37f0>)])]>

각 개념 문서에는 구조화된 필드를 위한 작은 YAML 프런트매터 블록과 그 외 모든 것을 위한 마크다운 본문이 있습니다.

code_block: <ListValue: [StructValue([('code', '---\r\ntype: BigQuery Table\r\ntitle: Orders\r\ndescription: One row per completed customer order.\r\nresource: https://console.cloud.google.com/bigquery?p=acme&d=sales&t=orders\r\ntags: [sales, revenue]\r\ntimestamp: 2026-05-28T14:30:00Z\r\n---\r\n\r\n# Schema\r\n\r\n| Column | Type | Description |\r\n|---------------|-----------|------------------------------------------|\r\n| `order_id` | STRING | Globally unique order identifier. |\r\n| `customer_id` | STRING | FK to [customers](/tables/customers.md). |\r\n\r\n# Joins\r\n\r\nJoined with [customers](/tables/customers.md) on `customer_id`.'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f71ca0d3130>)])]>

개념은 일반적인 Markdown 링크로 서로 연결되어 디렉터리를 파일 시스템에서 암시하는 상위/하위 링크보다 풍부한 관계의 그래프로 전환합니다. 번들에는 선택적으로 index.md 파일 (에이전트가 계층 구조를 탐색할 때 점진적 공개용)과 log.md 파일 (변경사항의 시간순 기록용)이 포함될 수 있습니다.

전체 v0.1 사양 (적합성 기준, 상호 링크 규칙, 소수의 예약된 파일 이름 포함)은 단일 페이지에 맞습니다.

설계의 3가지 원칙

1. 최소한의 의견만 제시합니다. OKF는 모든 개념에 대해 유형 필드라는 단 한 가지를 요구합니다. 다른 모든 것 (예: 어떤 유형이 있는지, 어떤 다른 필드를 포함할지, 본문에 어떤 섹션이 있는지)은 제작자에게 맡겨져 있습니다. 사양은 콘텐츠 모델이 아닌 상호 운용성 표면을 정의합니다.

2. 생산자/소비자 독립성 OKF는 지식을 작성하는 사람과 지식을 소비하는 사람을 명확하게 분리합니다. 사람이 직접 작성한 번들을 AI 에이전트가 사용할 수 있습니다. 메타데이터 내보내기 파이프라인에서 생성된 번들은 시각화 도구에서 탐색할 수 있습니다. 하나의 LLM이 합성한 번들을 다른 LLM이 쿼리할 수 있습니다. 형식은 계약이며, 각 끝의 도구는 독립적으로 교체할 수 있습니다.

3. 플랫폼이 아닌 형식 OKF는 특정 클라우드, 데이터베이스, 모델 제공업체 또는 에이전트 프레임워크에 종속되지 않습니다. 읽기, 쓰기 또는 제공을 위해 독점 계정이나 SDK를 요구하지 않습니다. 지식 형식의 가치는 소유자가 누구인지가 아니라 얼마나 많은 당사자가 이를 사용하는지에 달려 있기 때문에 개방형 표준으로 게시하고 있습니다.

사양과 함께 제공되는 기능

형식을 구체화하기 위해 생산자와 소비자 모두를 위한 참조 구현을 게시하고 있습니다.

BigQuery 데이터 세트를 탐색하고, 모든 테이블과 뷰에 대한 OKF 개념 문서를 작성한 다음, 신뢰할 수 있는 문서를 크롤링하고 인용, 스키마, 조인 경로로 각 개념을 보강하는 두 번째 LLM 패스를 실행하는 보강 에이전트
모든 OKF 번들을 단일 독립형 파일의 대화형 그래프 뷰로 전환하는 정적 HTML 시각화 도구입니다. 백엔드, 뷰어 측 설치, 페이지에서 데이터 유출이 없습니다.
3개의 탐색 가능한 샘플 번들: Google 애널리틱스 4 이커머스, Stack Overflow, Bitcoin 공개 데이터 세트는 참조 에이전트가 생성하고 저장소에 커밋한 것으로, 규정을 준수하는 OKF의 실제 예시입니다.

이러한 예시는 의도적으로 개념 증명에 초점을 맞추고 있습니다. 에이전트는 OKF를 생성하는 한 가지 방법을 보여줍니다. 형식에 관해서는 특정 에이전트 프레임워크나 LLM이 필요하지 않습니다. 시각화 도구는 이를 소비하는 한 가지 방법을 보여줍니다. 형식에 HTML이나 그래프 뷰가 필요한 것은 아닙니다. Google은 생산자와 소비자로 이루어진 생태계가 Google이 제공한 것보다 훨씬 더 크게 성장할 것으로 기대하며, 그렇게 되기를 바랍니다.

앞으로 나아갈 길

OKF v0.1은 시작점이며 완성된 표준이 아닙니다. 더 많은 생산자와 소비자가 등장하고 에이전트가 실제로 필요로 하는 지식 표현이 무엇인지 집단적으로 학습함에 따라 형식은 진화할 것입니다.

지식 카탈로그, 보강 파이프라인, AI 에이전트에 맞게 조정된 위키 또는 AI 지식 도메인의 그 어떤 것을 빌드하든, 지식 형식은 처음부터 공개적으로 게시해야만 그 이름에 걸맞은 역할을 할 수 있습니다.

여기에서 다음 작업을 수행하는 것이 좋습니다.

사양 읽기 (짧습니다!)
소스 시스템, 데이터베이스, 문서 사이트에 대한 프로듀서 작성
소비자 작성: 뷰어, 검색 색인, 번들에 대해 추론하는 에이전트
자체 데이터에 대해 참조 구현을 사용해 보세요
문제 제기, PR 전송 또는 확장 프로그램 제안: 사양은 버전이 지정되어 있으며 이전 버전과 호환되는 성장을 위해 명시적으로 설계되었습니다.

저장소, 사양, 샘플 번들은 GitHub에서 확인할 수 있습니다. 또한 Google Cloud의 Knowledge Catalog를 업데이트하여 개방형 지식 형식을 수집하고 에이전트에 제공할 수 있게 되었습니다. 관련 코드와 예는 여기에서 확인할 수 있습니다.

형식 자체가 기여입니다. Google이 출시한 도구는 이러한 기능을 실제로 구현하고 사용해 보는 데 드는 비용을 낮추기 위해 존재합니다. 오늘날 지식이 어떤 형태를 띠든 OKF는 내일 교환할 수 있는 공용어가 되도록 설계되었습니다.

_{Google Cloud 데이터 클라우드팀에서 게시 Open Knowledge Format은 개방형 사양이며, Google 제품 이외의 기여, 대체 구현, 채택을 모두 명시적으로 환영합니다.}

_{이 백서는 저자 외에도 Google의 많은 분들이 제공해 주신 핵심 아이디어를 바탕으로 작성되었습니다. 이 자리를 빌려 도움을 주신 모든 분께 감사의 말씀을 전합니다.}

Claude Mythos 프리뷰: Gemini Enterprise Agent Platform에서 비공개 프리뷰로 제공

Wed, 02 Sep 2026 20:00:00 +0000

편집자 주: Vertex AI가 진화했습니다. 에이전트형 인력을 빌드, 확장, 제어, 최적화할 수 있는 새로운 공간인 Gemini Enterprise Agent Platform을 출시했습니다. 이제 Google의 세계적 수준의 모델과 개발 기능이 에이전트 시대에 맞게 포괄적인 환경으로 통합되었습니다.

Anthropic의 최신이자 가장 강력한 모델인 Claude Mythos 프리뷰가 이제 Project Glasswing의 일환으로 일부 Google Cloud 고객에게 비공개 프리뷰로 제공됩니다.

Gemini Enterprise Agent Platform에서 Claude Mythos 프리뷰를 제공하는 것은 고객에게 프런티어 AI 연구소의 모델에 대한 액세스 권한을 제공하겠다는 Google Cloud의 약속을 강조하는 것입니다. AI 애플리케이션과 에이전트를 빌드, 확장, 제어할 수 있는 Gemini Enterprise Agent Platform의 엔터프라이즈급 성능과 결합된 이 새로운 범용 모델은 다양한 사용 사례에서 고성능 기능을 제공하며, 사이버 보안 위험을 줄이는 데 중점을 둡니다.

이번 출시에 관한 자세한 내용은 Anthropic 블로그를 참고하세요.

지금 바로 Gemini Enterprise Agent Platform에서 Claude Opus 4.6 및 Claude Sonnet 4.6을 비롯한 다른 Claude 모델로 빌드하세요.

Cloud CISO Perspectives: AI가 심층적인 컨텍스트를 활용하여 방어자에게 이점을 제공하는 방법

Mon, 31 Aug 2026 22:00:00 +0000

2026년 7월 첫 번째 Cloud CISO Perspectives 뉴스레터에 오신 것을 환영합니다. Google Cloud COO 겸 보안 제품 부문 사장인 프랜시스 드수자가 방어자의 AI 이점을 창출하는 데 있어 심층적인 컨텍스트가 수행하는 중요한 역할을 설명합니다.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud로 중요한 이사회 인사이트 얻기'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbc93250>), ('btn_text', '허브 방문하기'), ('href', 'https://cloud.google.com/solutions/security/board-of-directors?utm_source=cgc-site&utm_medium=et&utm_campaign=FY26-Q2-GLOBAL-GCP39634-email-dl-dgcsm-CISOP-NL-177159&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

AI가 심층적인 컨텍스트를 활용하여 방어자에게 이점을 제공하는 방법

프랜시스 드수자, Google Cloud COO 겸 보안 제품 부문 사장

프랜시스 드수자, Google Cloud COO 겸 보안 제품 부문 사장

공격자가 AI로 헤드라인을 장식하고 있지만 방어자에게는 뚜렷하고 강력한 이점이 있습니다.

AI는 사이버 위협 환경을 빠르게 변화시키고 있으며, 공격의 규모, 속도, 정교함에 전례 없는 변화를 가져오고 있습니다. 최근 Google Threat Intelligence Group은 AI로만 빌드된 제로데이 취약점 공격의 첫 번째 알려진 사례라는 중요한 이정표를 기록했습니다. Google Cloud는 이들의 계획을 성공적으로 방해하고 출시 전에 취약점을 패치했지만, 이는 우리가 맞서 싸워야 하는 대상이 무엇인지 정확히 보여줍니다.

AI 에이전트를 사용하면 공격이 머신 속도로 가속화됩니다. 공격의 1단계와 2단계 사이의 핸드오프 시간은 과거에는 8시간이었지만 현재는 22초에 불과합니다.

사이버 보안에는 적은 한 번만 성공하면 되지만 방어자는 매번 성공해야 한다는 오래된 말이 있습니다. 이것이 바로 공격자의 이점입니다.

하지만 AI는 심층적인 컨텍스트를 기반으로 한 결정적인 방어자의 이점을 제공하여 이러한 규칙을 다시 쓰고 있습니다.

AI 시대: 공격자 프로필 vs. 방어자의 이점

측면	공격자 프로필	방어자의 이점
공개 상태	외부에서 내부로의 프로빙에 국한됨, 진입 시 엔터프라이즈 컨텍스트가 거의 없음	내부에서 외부로 향하는 컨텍스트를 완벽하게 파악하고 정확한 애셋 위치, 애플리케이션 동작, 팀 소유권을 알고 있습니다.
운영 속도	멀티 에이전트 핸드오프를 22초 만에 실행합니다.	머신 속도 방어, 선제적 완화 (예: Morgan Stanley의 90초 해결)
코어 전술	멀티모달 피싱, 딥페이크, AI로 빌드된 제로데이 취약점 공격, 모델 포이즈닝	폐쇄 루프 방어, 지속적인 노출 매핑, 가속화된 코드 패치

통합 청사진: Google AI Threat Defense

이전에는 엔터프라이즈 컨텍스트 데이터가 연결되지 않은 보안 도구 전반에 분산되어 있었습니다. 이제 AI를 통해 방어자는 이 풍부한 데이터를 통합된 상시 가동 자율 방어로 종합할 수 있습니다.

Google은 Google의 보안 기능을 하나의 플랫폼으로 결합하기 위해 Google AI Threat Defense를 빌드했습니다. 이 플랫폼에는 Gemini의 고급 추론, Wiz의 컨텍스트 클라우드 기능, CodeMender의 코드 수준 수정 기능, Mandiant의 일선 인텔리전스가 포함되어 있습니다.

Google Cloud의 플랫폼은 지속적인 4단계 프레임워크를 통해 취약점 관리를 혁신합니다.

단계	기술 및 조치	기업에 제공하는 전략적 가치
1. 준비	Wiz를 사용하여 노출된 애플리케이션, API, ID, 런타임 환경을 매핑합니다. Wiz Red Agent로 공격 경로를 시뮬레이션합니다.	취약점이 프로덕션에 영향을 미치기 전에 인터넷 연결 가능성을 줄이도록 기반을 강화합니다.
2. 검사 및 우선순위 지정	광범위한 적용 범위에는 가벼운 모델을 사용하고 위험도가 높은 애셋의 심층 분석에는 Gemini 프런티어 모델을 사용하여 멀티 모델 스캔을 실행합니다.	토큰당 최적의 비용을 포함하여 심층적인 컨텍스트 기반 위험 검증으로 대규모 알림 목록을 대체합니다.
3. 해결	개발자 IDE/CLI 내에 CodeMender를 배포하여 검증된 코드 수정사항을 자동 생성합니다.	느리고 수동적인 패치를 자율적인 코드 수준의 해결 및 메모리 안전 마이그레이션으로 대체합니다.
4. 모니터링	Wiz에 연결된 AI 에이전트를 배포하여 네트워크, ID, 애플리케이션 원격 분석 전반에서 취약점과 이상 징후를 헌팅합니다. Google Security Operations와 함께 사용하면 알려지지 않은 위협을 빠르게 추적할 수 있습니다.	패치할 수 없는 환경에 대한 제로데이 대응 및 위협에 대해 머신 속도 런타임 감지를 설정합니다.

프로덕션에 도달하기 전에 취약점을 차단하기 위해 Morgan Stanley는 Google Cloud 및 Wiz와 협력하여 AI Threat Defense 프레임워크의 핵심 원칙인 준비, 스캔, 해결, 모니터링에 따라 전략을 조정했습니다. Morgan Stanley는 이 통합 청사진으로 파편화된 도구를 대체하여 위협 감지 평균 시간을 99.9% 단축하고, 45분의 대응 시간에서 90초 이내의 선제적 완화로 전환했습니다.

Google Cloud x Morgan Stanley: AI 시대의 위협 방어 재정의

전략적 인간 감독 유지

인간의 속도로는 자동화된 위협에 대응할 수 없지만, 인간의 관리는 여전히 필수적입니다. 자율 AI 에이전트를 지원하는 인간 팀과 직접 연결합니다. 예를 들어 Wiz에서는 Red 에이전트가 침투 테스트를 자동화하고, Blue 에이전트가 위협 조사를 주도하며, Green 에이전트가 클라우드 해결을 가속화합니다.

모든 AI 대화는 보안 대화입니다. 즉, AI 인프라를 보호하려면 처음부터 빌드해야 하며 나중에 추가해서는 안 됩니다.

이를 통해 인간의 감독하에 자율성을 보장하여 엔지니어링팀과 보안팀이 속도를 늦추지 않고 백로그를 제거하고 소프트웨어 개발 수명 주기를 보호할 수 있습니다.

다음 단계: AI 네이티브, 에이전트 기반 인프라

방어자의 이점은 외부 위협뿐만 아니라 섀도우 AI, 무단 에이전트와 같은 내부 위험으로부터 환경을 보호하는 데서 시작됩니다. 직원이 IT 감독 외부에서 모델을 다운로드하고 에이전트를 배포하면 논리 위반과 데이터 포이즈닝 위험이 발생합니다.

이를 방지하는 핵심은 AI에 제로 트러스트를 적용하고 팀을 적절한 거버넌스를 갖춘 승인된 아키텍처로 안내하는 것입니다. 모든 AI 대화는 보안 대화입니다. 즉, AI 인프라를 보호하려면 처음부터 빌드해야 하며 나중에 추가해서는 안 됩니다.

Google에서 보안은 단순히 추가된 레이어가 아니라 기반입니다. 기본적으로 안전한 Google의 아키텍처는 매일 150억 개에 가까운 원치 않는 이메일을 자동으로 차단하고 수십억 명의 사용자를 보호합니다.

위협 환경이 성숙해짐에 따라 자동화된 공격자를 능가하려면 AI 네이티브 및 에이전트 기반으로 처음부터 빌드된 플랫폼이 필요합니다.

AI로 AI에 맞서세요. Google AI Threat Defense로 소프트웨어 수명 주기를 보호하는 방법을 자세히 알아보세요.

aside_block: <ListValue: [StructValue([('title', '새로운 내용을 알아보세요'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbc93d90>), ('btn_text', '지금 보기'), ('href', 'https://www.youtube.com/watch?v=CmGWIwgHR60'), ('image', <GAEImage: Cloud-CISO-Perspectives-logo-A>)])]>

최신 소식 요약

다음은 이번 달까지 Google Cloud 보안팀에서 제공한 업데이트, 제품, 서비스, 리소스 관련 최신 소식입니다.

SecOps를 위한 FinOps: 에이전트형 SOC를 가치에 맞게 최적화하는 방법: AI 도입 시 복원력을 높이려면, CISO는 컴퓨팅 비용을 제어하면서 위협 차단 효과를 극대화하는 체계적인 'SecOps를 위한 FinOps' 청사진을 개발해야 합니다. 그 방법을 확인해 보세요 자세히 알아보기
새로운 IDC 연구: Mandiant가 보안을 경쟁 우위로 전환하는 방법: 새로운 IDC 비즈니스 가치 백서에 따르면 Mandiant 컨설팅을 통해 평균 430만 달러를 절감하고 3년 동안 268% 의 ROI를 달성할 수 있습니다. 자세히 알아보기
Google Threat Intelligence 및 Wiz ASM을 통한 선제적 보안 추진, 위험 우선순위 지정: 실제 노출을 실시간 공격자 활동과 매칭할 수 있도록 Google Threat Intelligence를 Wiz Attack Surface Management와 통합하기 시작했습니다. 자세히 알아보기
에이전트로 가속화: 소프트웨어 정의 차량 보호: Google Cloud와 Valtech는 SDV를 더 잘 지원하고 보호하기 위해 확장성이 뛰어난 AI 기반 커넥티드 차량 플랫폼인 Nexus SDV를 공동 개발했습니다. 자세히 알아보기
Gemini Startup Forum에 참여하는 33개 사이버 보안 스타트업을 만나보세요: Google for Startups의 대표 프로그램인 Gemini Startup Forum: 사이버 보안에서 33개의 선구적인 스타트업을 처음으로 선정했습니다. 자세히 알아보기
자동화된 AI BOM을 위한 GKE의 k8s-aibom 소개: Google Cloud는 환경을 지속적으로 모니터링하여 AI 런타임을 감지하고 표준 ML-BOM을 생성하는 Kubernetes 컨트롤러인 k8s-aibom을 오픈소스화하고 있습니다. 자세히 알아보기
BGP 경로 정책: 고객 수요 기준 상위 3가지 사용 사례: 2025년 이후 등장한 Cloud Router BGP 경로 정책의 가장 영향력 있는 3가지 사용 사례를 자세히 설명합니다. 자세히 알아보기
중요 서드 파티로서 영국 금융 부문의 복원력에 기여: 영국 재무부는 CTP 체제에 따라 Google Cloud EMEA를 영국 금융 부문의 중요 서드 파티 (CTP)로 지정했습니다. 이러한 기능이 어떤 도움이 되는지 살펴보겠습니다. 자세히 알아보기
Google Cloud, 네덜란드 DPIA 승인을 통해 EU 공공 부문 조직에 더 안전한 선택권 제공: Google Cloud는 EU 공공 부문에서 데이터 보호가 필수 요건임을 잘 알고 있습니다. 이번에 중요한 이정표를 세우면서 이러한 약속을 더욱 굳건히 하게 되어 기쁩니다. 자세히 알아보기
보안 대시보드에 IaC 적용 범위가 있어야 하는 이유: 인프라의 얼마나 많은 부분이 제어되고 추적 가능하며 신속한 해결을 위해 준비되었는지 보여주는 유입경로로서 코드형 인프라 적용 범위를 재고합니다. 자세히 알아보기
ProdSec 플레이북 내부: 엔드 투 엔드 클라우드 보안을 위한 Wiz 운영: 인프라의 얼마나 많은 부분이 관리되고 추적 가능하며 신속한 해결을 위해 준비되었는지 보여주는 유입경로로서 코드형 인프라 적용 범위를 재고합니다. 자세히 알아보기
Wiz MCP로 AI 보안 에이전트 빌드: 신뢰할 수 있는 보안 컨텍스트, Wiz AI 에이전트, Wiz AI 기술로 AI 기반 보안을 강화하세요. 자세히 알아보기

이번 달에 게시된 더 많은 보안 사례를 보려면 Google Cloud 블로그를 확인하세요.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud CISO 커뮤니티에 참여하세요'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbc933d0>), ('btn_text', '자세히 알아보기'), ('href', 'https://rsvp.withgoogle.com/events/google-cloud-ciso-community-interest-form-2026?utm_source=cgc-blog&utm_medium=blog&utm_campaign=FY25-Q1-global-GCP30328-physicalevent-er-dgcsm-parent-CISO-community-2025&utm_content=cisop_&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

위협 인텔리전스 뉴스

친러시아 영향력 생태계의 동인, 역학, 적용 사례: 러시아가 우크라이나를 전면 침공한 지 4년이 지난 지금, 친러시아 영향력 생태계는 전쟁 도구에서 다시 글로벌 전략 자산으로 진화했습니다. 생태계의 이질적인 구성요소는 상호 연결되어 있어 제한된 범위의 중단에 대한 복원력이 높습니다. 이는 방어자가 친러시아 영향력 위협을 완화하기 위해 고려해야 할 요소입니다. 자세히 알아보기
악의적인 주거용 프록시 네트워크에 대한 Google의 지속적인 방해: Google은 FBI, Lumen 등과 협력하여 Popa라고도 알려진 NetNut 주거용 프록시 네트워크에 대해 조치를 취했습니다. 이 조치는 2026년 1월에 이루어진 IPIDEA 프록시 네트워크의 방해를 기반으로 하며, 악의적인 주거용 프록시 네트워크를 해체하려는 Google의 목표를 이어가는 것입니다. 자세히 알아보기
GhostApproval: AI 코딩 어시스턴트의 신뢰 경계 격차: Wiz가 최신 AI 코딩 어시스턴트에서 카테고리 수준의 사각지대를 발견한 방법과 인간 중심의 안전 모델이 이 고전적인 위협에 실패하는 이유를 알아보세요. 자세히 알아보기
Turla의 인텔리전스 수집 장치에 추가된 최신 기능: Google Threat Intelligence Group (GTIG)은 2022년 12월부터 러시아와 연계된 공격자이자 가장 오래된 사이버 스파이 그룹 중 하나인 Turla가 지속적으로 개발하고 배포한 .NET 백도어인 STOCKSTAY에 대한 심층 분석을 수행했습니다. 이 그룹을 지속적으로 추적하는 과정에서 STOCKSTAY 분석 개요, 주요 개발 및 운영 관찰 타임라인, KAZUAR와의 유사점을 자세히 제공하여 Turla의 무기고에 추가된 이 새로운 기능을 맥락화합니다. 자세히 알아보기
머신 DPAPI를 통한 활성 ADFS 서명 키 복구: 최근 레드팀 참여 중에 Mandiant는 ADFS 인증서가 수동으로 순환될 때 구성 드리프트로 인해 활성 서명 키가 머신 DPAPI에 노출될 수 있음을 발견했습니다. 이에 대한 방어 방법을 소개합니다. 자세히 알아보기

이번 달에 게시된 더 많은 위협 인텔리전스 사례를 보려면 Google Cloud 블로그를 확인하세요.

Google Cloud 팟캐스트 소개

Cloud Security 팟캐스트: AI-pilled, solo vibe-coded, Clickhouse-based SIEM 빌드: Nano의 창립자인 Dan Lussier가 연말연시 휴가 기간에 처음부터 SIEM 전체를 바이브 코딩한 방법을 설명합니다. 내용 듣기
Cloud Security 팟캐스트: NSA를 이끌고 세계를 방어하는 데서 얻은 확장 교훈: Morgan Adamski는 공공-민간 파트너십과 클라우드 인프라로의 전환이 인텔리전스 공유 개선과 집단적 신뢰를 통해 사이버 보안 방어를 어떻게 혁신했는지 논의합니다. 내용 듣기
Cloud Security 팟캐스트: Closest alligator to the canoe: How transforming the SOC became P0 for Lloyds Bank: Lloyds Bank의 최고 보안 책임자인 Matt Row가 은행의 디지털 혁신 전략을 설명하면서 보안 운영 센터를 현대화하여 사람이 검토하는 알림을 20배 줄인 방법을 강조합니다. 내용 듣기
방어자의 이점: 인간-기계 협업 및 일선 위협 인텔리전스 워크플로에 AI 적용: GTIG의 일선 인텔리전스 운영 AI 리드인 Jake Nicastro가 자신의 팀이 단순한 프롬프트 엔지니어링에서 보다 진보된 에이전트형 워크플로로 전환하고 인간-기계 협업 모델에 집중하는 방법을 자세히 설명합니다. 내용 듣기

GKE에서 AI 공급망 보호: 자동화된 AI BOM을 위한 k8s-aibom 소개

Mon, 31 Aug 2026 22:00:00 +0000

보안팀은 섀도우 AI를 어떻게 관리해야 할까요? 개발자가 정식 등록 없이 배포한 워크로드는 조직에서 권한이 있는 Daemonset, 커널 수준 액세스, 수동 포드 사양 편집을 요구하여 개발 속도를 늦추고 안정성을 저해하는 것을 꺼리기 때문에 기존 보안 스캐너를 피하는 경우가 많습니다.

이러한 교착 상태를 타개하기 위해 Google은 오늘 k8s-aibom을 오픈소스화합니다. 이 경량의 권한 없는 Kubernetes 컨트롤러는 클러스터 API와 컨테이너 환경을 지속적으로 모니터링하여 실행 중인 AI 런타임 (예: vLLM 및 Triton)을 자동으로 감지하고 표준 CycloneDX Machine Learning Bill of Materials (ML-BOM)를 생성합니다.

워크로드가 공식적으로 등록되었는지 여부와 관계없이 런타임 실행에서 직접 자동화된 감사 등급 가시성을 제공함으로써 k8s-aibom은 개발자 통합 마찰 없이 팀이 AI 프로젝트를 파일럿에서 프로덕션으로 안전하게 이동하도록 도울 수 있습니다.

마찰 없는 아키텍처

k8s-aibom은 처음부터 완전한 가시성을 위한 CISO의 요구사항과 클러스터 안정성을 위한 SRE의 요구사항을 모두 충족하도록 설계되었습니다. k8s-aibom-system 네임스페이스에 권한이 없는 단일 배포로 배포됩니다. 개발자 마찰이 전혀 없습니다. 사이드카, eBPF 커널 모듈, 권한이 있는 DaemonSet이 필요하지 않으며 기존 개발자 포드 사양을 수정할 필요도 없습니다.

k8s-aibom은 AI 워크로드를 감시하고 BOM을 생성합니다.

검색 파이프라인은 다음 네 가지 명확한 단계를 거쳐 실행됩니다.

클러스터 워크로드 스크랩: 컨트롤러는 클러스터 전반에서 KServe 리소스, 배포, 스테이트풀셋, 데몬셋, 작업을 지속적으로 모니터링합니다.
AI 스택 식별: 고급 패턴 매칭은 컨테이너 이미지, 환경 변수, 명령줄 인수를 검사하여 서빙 런타임 (vLLM, Triton Inference Server, TGI, Ollama), 자율 에이전트 프레임워크 (LangChain, AutoGen, CrewAI), 벡터 데이터베이스 및 RAG 스토어 (Milvus, Qdrant, pgvector), 분산 학습 작업 및 평가 하네스를 감지합니다.
표준 매니페스트 생성: 컨트롤러는 발견된 아티팩트를 공식 OWASP CycloneDX 1.6 머신러닝 BOM (ML-BOM) 문서로 컴파일합니다.
싱크로 내보내기: 컨트롤러는 결과 ML-BOM을 클러스터 내 AIBOM 커스텀 리소스 (CR)의 커스텀 리소스 상태 (status.bomDocument)에 직접 연결하고 Google Cloud Storage 버킷 및 외부 웹훅 엔드포인트를 포함한 선택적 외부 싱크로 라우팅합니다.

애플리케이션팀은 포드 사양을 수정하거나, 사이드카 컨테이너를 삽입하거나, 지속적 통합 및 지속적 배포 (CI/CD) 파이프라인을 변경할 필요가 없습니다. 또한 k8s-aibom은 Kubernetes 클러스터 상태를 순수한 함수형 입력으로 취급합니다. 동일한 클러스터 입력은 바이트가 동일한 ML-BOM 문서를 생성합니다. 이 결정론적 속성 덕분에 k8s-aibom은 GitOps 워크플로에 이상적이며, 사이트 안정성 엔지니어 (SRE)는 AI 종속 항목이 드리프트될 때 정확한 차이를 수행하고 정확한 변경 감지 알림을 트리거할 수 있습니다.

기존 AIBOM 도구의 단점

많은 AI BOM 솔루션은 빌드 타임 스캐너를 제공하여 유휴 상태의 아티팩트에서 BOM을 생성합니다. 이러한 도구를 사용하면 배포할 코드를 추적할 수 있습니다.

상용 AI 보안 플랫폼은 클라우드 네이티브 보안 상황 관리로 그림을 확장하지만, 일반적으로 공급업체별 데이터 모델을 중심으로 형성된 외부 스캔을 통해 확장합니다. 이러한 도구 중 규정 준수 검토자, 보안 운영 (SecOps)팀, 플랫폼 엔지니어가 현재 실행 중인 항목, 연결된 항목, 이러한 주장을 검증하는 방법을 이해하는 데 도움이 되는 도구는 거의 없습니다.

이러한 격차를 해소하기 위해 k8s-aibom을 맞춤형으로 빌드했습니다. 이 도구는 아티팩트 스캔이 아닌 라이브 클러스터 관찰에서 BOM을 생성하고, 공급업체 독점 형식이 아닌 더 광범위한 OWASP 및 Open Source Security Foundation (OpenSSF) 공급망 생태계와 통합되는 표준 준수 CycloneDX 1.6 ML-BOM을 내보내며, 모든 준수 Kubernetes 클러스터에서 권한이 없는 컨트롤러로 실행됩니다. 따라서 기존 빌드 시간 및 상황 관리 도구를 대체하는 것이 아니라 보완하는 역할을 합니다.

신뢰 모델: 인텐트와 추론 분리

규정 준수 감사자와 SecOps 엔지니어에게 원시 원격 분석은 노이즈인 경우가 많습니다. 표준 모니터링 도구는 컨테이너가 실행 중임을 나타내지만 플랫폼 엔지니어가 AI 모델을 명시적으로 구성했는지 아니면 런타임에 자율 스크립트가 동적으로 가져왔는지 증명할 수는 없습니다. k8s-aibom은 결정론적 신뢰 모델을 통해 이러한 모호성을 해결하고 발견된 애셋을 고유한 등급으로 분류합니다.

선언됨: 고객 또는 개발자가 워크로드 구성에서 명시적으로 정의함 (예: --model meta-llama/Llama-2-7b와 같은 컨테이너 인수를 명시적으로 전달) '선언된' 신뢰도 감지는 명확한 인간의 의도를 나타냅니다.
추론됨: 컨트롤러의 패턴 매칭 엔진이 컨테이너 이미지, 환경 변수, 실행 프로필을 심층 검사하여 자율적으로 도출합니다. (예: ^vllm/.* 컨테이너 서명 식별)
해결되지 않음: 활성 AI가 감지되었지만 정확한 모델 파라미터, 가중치, 버전을 결정론적으로 설정할 수 없는 워크로드에 적용됩니다. '해결되지 않음' 신뢰 감지는 즉시 워크로드에 플래그를 지정하여 표적 보안 검토를 수행합니다.

이러한 구조화된 분류 체계를 통해 규정 준수 검토자는 명시적인 엔지니어링 의도와 머신 추론을 즉시 분리하여 감사 중에 반박할 수 없는 신뢰 체인을 구축할 수 있습니다.

불변성과 최소 권한: 감사 등급 보안 모델 빌드

감사자는 로그와 측정항목이 보안 침해된 노드나 권한이 상승된 관리자에 의해 수정, 삭제, 조작될 수 있기 때문에 표준 관측 가능성 원격 분석에 대해 여전히 깊은 회의감을 가지고 있습니다. k8s-aibom은 엄격한 최소 권한 격리 및 데이터 불변성을 기반으로 구축된 감사 등급 증거 추적을 설정합니다.

컨트롤러는 최소한의 Identity and Access Management (IAM) 워크로드 아이덴티티에 바인딩된 전용 Kubernetes 서비스 계정으로 작동합니다. BOM 레코드를 외부 스토리지 싱크에 쓸 수 있는 유일한 ID로 작동하며 roles/storage.objectCreator 권한만 필요합니다.

가장 엄격한 감사 및 증거 표준을 충족하기 위해 Google Cloud Storage 외부 싱크 구현은 객체 생성 시 DoesNotExist 선행 조건을 적용합니다. ML-BOM이 Cloud Storage 버킷에 작성되면 객체는 암호화 방식으로 불변이 됩니다.

보안 침해된 클러스터 행위자나 악성 워크로드에 의해 무단으로 덮어쓰거나 수정되거나 소급하여 조작될 수 없습니다. SecOps팀은 규제 기관에 제시된 이전 감사 로그가 클러스터 실행의 변경 불가능한 기록임을 절대적으로 확신할 수 있습니다.

거버넌스 준비 가속화: 글로벌 규제 프레임워크에 매핑

표준화된 CycloneDX 1.6 ML-BOM 생성을 자동화함으로써 k8s-aibom은 저수준 Kubernetes 런타임 상태와 고수준 거버넌스 프레임워크 사이의 격차를 직접적으로 해소합니다. 주요 글로벌 표준에 필수적인 실증적 기반 데이터를 제공하여 지연된 GKE AI 배포를 차단 해제합니다.

EU AI 법: 조직이 제12조 (지속적인 추적 가능성을 위한 자동화된 로깅 및 기록 보관) 및 제50조 (AI 시스템의 투명성 의무)를 준수하도록 지원하기 위해 설계되었습니다. 이 도구는 서빙 런타임과 에이전트 스택을 자동으로 분류하여 규정 준수 감사 중에 필요할 수 있는 기술적 증거를 간편하게 수집할 수 있도록 도와줍니다.
NIST AI 위험 관리 프레임워크 (AI RMF): 거버넌스, 매핑, 측정, 관리 기능을 지원하는 데 도움이 되는 지속적이고 경험적인 애셋 가시성을 제공하여 규정 준수 워크플로를 순전히 수동적인 검사에서 보다 자동화된 애셋 인벤토리 추적으로 전환하는 데 도움이 됩니다.
ISO/IEC 42001:AI 관리 시스템 애셋 검색 및 추적에 대한 규정 준수 노력을 지원하여 인벤토리 검증을 위해 수동 스프레드시트나 정기적인 스냅샷 감사에 의존하는 방식을 줄입니다.

시작하기

k8s-aibom과 같은 기술 솔루션이 CISO, 거버넌스, 위험 및 규정 준수팀, SecOps팀, 플랫폼 엔지니어, 개발자에게 영향을 미치는 섀도우 AI의 다각적인 문제를 완화하는 데 도움이 되는 경우는 드뭅니다.

컨트롤러를 검사하고 CRD 정의를 검토하며 오픈소스 k8s-aibom 프로젝트에 참여하려면 k8s-aibom GitHub 저장소를 방문하세요.

Google Threat Intelligence와 Wiz ASM을 통한 선제적 보안 추진 및 위험 우선순위 지정

Sun, 30 Aug 2026 12:00:00 +0000

보안 조직의 주요 목표는 여전히 선제적인 대응입니다. AI가 취약점 발견 및 악용 속도를 가속화함에 따라 조직은 보안 투자의 개인화를 통해 방어의 우선순위를 정하는 데 도움을 받을 것입니다.

실제 노출을 실시간 공격자 활동과 매칭하여 더욱 선제적으로 대응할 수 있도록 Google Threat Intelligence와 Wiz Attack Surface Management (ASM) 간의 통합 작업을 시작했습니다.

노출과 검증된 익스플로잇 가능한 위험을 실시간 위협 인텔리전스에 직접 연결하여 오늘날의 방어에 필요한 속도로 AI 스캔을 통해 외부로 노출된 익스플로잇 가능한 문제와 논리 기반 취약점을 감지하고 우선순위를 지정할 수 있도록 지원합니다. 이를 통해 조직에 가장 큰 위험을 초래하는 실제 위협에 따라 조치의 우선순위를 정하는 전략으로 전환할 수 있습니다.

위협에 대한 이 두 가지 관점을 결합하면 사후 대응적 유지보수에서 선제적인 보안 전략으로 전환하는 데 도움이 될 수 있습니다. 악용 가능한 노출을 감지하는 것 외에도 이러한 노출 중 어떤 것이 공격자의 표적이 되고 있는지에 대한 인사이트를 얻을 수 있습니다.

Google Cloud는 노출 데이터를 Google Threat Intelligence 상관관계 엔진에 직접 제공하는 기본 통합을 향해 계속 빌드해 나갈 것입니다. 이 자동화된 연결을 통해 사용자는 실제 환경에서 공격자가 표적으로 삼고 있는 노출에 집중하고 Google Cloud의 실시간 위협 인텔리전스를 사용하여 해결 노력과 위협 추적 활동의 우선순위를 정할 수 있습니다.

선제적인 보안 전략 구축

Google Threat Intelligence는 공격자의 운영 방식을 전 세계적으로 파악하고 인프라와 캠페인 활동을 실시간으로 추적합니다.

Wiz ASM은 클라우드, AI, SaaS (Software-as-a-service), 온프레미스 환경 전반에서 외부 공격 표면을 매핑하여 도메인, IP, API와 같은 노출된 애셋을 파악합니다. 익스플로잇 가능성을 검증하기 위해 익스플로잇 가능한 취약점, 잘못된 구성, 기본 사용자 인증 정보를 스캔합니다. 또한 노출된 보안 비밀과 민감한 정보를 스캔하고 검증합니다.

동시에 Wiz Red Agent는 AI로 노출을 스캔하여 애플리케이션 동작에 대한 추론을 통해 복잡한 논리 기반 취약점을 찾아냅니다.

이 조합의 강력한 기능은 다음과 같은 자신감 있는 우선순위 지정 및 헌팅 능력에 있습니다.

실제 활동에 따른 우선순위 지정: 통합이 진행되면 노출 데이터가 Google Threat Intelligence 엔진에 공급됩니다. 이를 통해 공격자가 현재 악용하고 있는 노출을 파악하여 팀이 가장 필요한 곳에 해결 노력을 집중할 수 있습니다.
공격자 행동 이해: 심각한 위험이 플래그로 지정되면 알림과 함께 행동 기반 안내를 제공할 계획입니다. 이러한 정보는 공격자가 취약점을 공격한 후 일반적으로 어떻게 행동하는지, 특정 호스트 명령어 또는 멀웨어를 어떻게 사용하는지 자세히 설명하여 방어자가 네트워크 내부에서 활성 흔적을 추적하는 데 필요한 컨텍스트를 제공합니다.
복잡한 취약점 발견: Wiz Red Agent는 AI를 사용하여 인증 우회, 비즈니스 로직 결함, 다단계 공격 체인과 같은 논리 기반 취약점을 스캔하여 기존 스캐너가 놓치는 위험을 발견하도록 도와줍니다.

선제적 방어 시작하기

이러한 결합된 접근방식은 노이즈를 줄이고 조직에 실제 위험을 나타내는 신호에 집중하여 보안 상황을 간소화하는 데 도움이 되도록 설계되었습니다. 지금 바로 Google Threat Intelligence 및 Wiz ASM을 시작하려면 Google 영업 담당자에게 문의하세요.

이제 금융 서비스를 위한 Gemini Enterprise를 소개합니다

Wed, 26 Aug 2026 15:00:00 +0000

오늘날 시장에서 자본을 보호하려면 엄청난 속도와 정밀도가 필요합니다. 거래 메모를 준비하는 재무 분석가는 라이선스가 부여된 시장 데이터, 내부 모델, 기밀 고객 파일을 사용합니다. 범용 AI는 금융 기관이 요구하는 실시간 정확성, 검증 가능한 데이터 계보, 엄격한 보안이 부족합니다. 모델 인텔리전스는 필수적이지만 신뢰할 수 있는 금융 시스템에 깊이 통합되지 않으면 충분하지 않습니다.

AI가 업계 내에서 진정으로 유용하려면 재사용 가능한 기술로 인코딩된 도메인 전문성, 업무에 필요한 시스템 및 데이터에 대한 안전한 연결, 실제 워크플로 내에서 작동할 수 있는 에이전트, 이 모든 것을 확장하고 확장할 수 있는 개방형 생태계 가 함께 필요하며, 이 네 가지 모두를 거버넌스가 뒷받침해야 합니다. 각각의 기능은 단독으로도 유용합니다. 이러한 요소가 결합되어야 기관에서 실제로 프로덕션에 적용하고 진정한 투자수익을 거둘 수 있는 결과물을 만들어 낼 수 있습니다.

오늘날 Google Cloud는 금융 서비스용 Gemini Enterprise를 통해 이 비전을 실현하고 있으며, Google의 에이전트형 AI를 자본 시장 및 기업 금융의 워크플로에 직접 도입하고 있습니다.

Gemini Enterprise를 자본 시장 및 기업 금융 워크플로에 도입

금융 업무를 위해 빌드된 4가지 구성요소

금융 서비스를 위한 Gemini Enterprise는 4가지 핵심 구성요소로 신속한 배포를 위해 구성된 통합된 안전한 환경을 제공합니다.

1. 목적에 맞게 설계된 재무 기술 기술은 에이전트가 기관의 방식대로 전문화된 작업을 실행하도록 가르치는 재사용 가능한 명령어 및 컨텍스트 패키지입니다. 예를 들어 보고서에 커스텀 서식을 적용하거나, 특정 데이터 컷을 가져오거나, 정의된 연구 방법론을 따르는 등의 작업을 수행할 수 있습니다. 이러한 도구는 재무 조사 에이전트 내에서 사용할 수 있으며 팀에서 빌드하는 모든 에이전트에서도 사용할 수 있습니다.

2. 보안 모델 컨텍스트 프로토콜 (MCP) 커넥터 MCP를 사용하여 자체 환경 내에서 구성된 필수 금융 플랫폼 및 라이선스 데이터 소스에 직접 통합 액세스는 이미 유지 관리 중인 권한에 의해 계속 제한됩니다. 라이선스가 부여된 데이터는 라이선스가 부여된 상태로 유지되고, 권한이 부여된 데이터는 권한이 부여된 상태로 유지됩니다.

3. 행동하는 에이전트 핵심은 Google에서 빌드하고 관리하는 에이전트인 Financial Research 에이전트로, 완전한 설명 가능성을 갖춘 엔드 투 엔드 연구를 실행합니다. 50개 이상의 기본 기술을 제공하며, 신뢰도 점수, 명시적 방법론, 감사용 데이터 스냅샷, 정확한 소스 인용을 통해 추론 과정을 노출합니다. 분석가는 Gemini Enterprise 앱에서 직접 사용하거나 A2A (Agent-to-Agent) API를 통해 기존 에이전트 워크플로에 연결할 수 있으며, MCP를 통해 엔터프라이즈 데이터 소스에 연결하여 팀에서 이미 사용 중인 형식으로 보고서와 문서를 생성할 수 있습니다. 또한 기본 제공되는 파트너 에이전트는 다른 워크플로를 처리하고 기능을 더욱 확장합니다.

4. 개방적인 파트너 생태계 66degrees, Accenture, Artefact, Capgemini, Cognizant, Deloitte, Genpact, GFT Technologies, Infosys, KPMG, PwC, Quantiphi, Slalom, Tribe AI, Zencore 등의 글로벌 시스템 통합업체 및 전문 핀테크 제공업체와 협력하여 플랫폼을 자체 아키텍처에 맞게 맞춤설정하고 통합할 수 있으며, 공급업체 종속을 피할 수 있습니다.

기본적으로 관리되는 컨트롤 플레인 IT팀과 위험팀을 위한 단일 대시보드에서 보안 정책 (VPC, CMEK)을 기본적으로 적용하고, 비공개 데이터 격리를 유지하며, 추적 가능한 인용을 통해 모든 출력을 검증 가능한 근거로 유지합니다.

도메인별 기술로 고가치 워크플로 실현

사모펀드 전문가, 자산 관리자, 규정 준수팀 등 누가 사용하든 이 솔루션은 신용 위험 평가, 포트폴리오 모니터링, 시장 뉴스 종합, 조사 금융 연구와 같은 다양한 워크플로에 맞게 조정됩니다.

상담사 인사이트 향상: 관계 관리자와 상담사에게 AI가 생성한 인사이트, 맞춤 추천, 맞춤형 결과물을 제공하여 대화의 질을 높이고 충성도를 높입니다.
고객알기제도 (KYC) 조사 및 분석 심화: 형식 다각화 수집 (PDF, Excel, SEC 제출 서류)을 사용하여 복잡한 기업 계층 구조를 매핑하고, 위험 페르소나를 평가하고, 궁극적 실질 수익권자 (UBO)를 파악함으로써 프라이빗 뱅킹 및 프라임 브로커리지 전반의 온보딩 및 고객알기제도 (KYC) 워크플로를 현대화합니다.
포트폴리오 복원력 강화: 트레이딩 데스크가 갑작스러운 거시 경제적 충격에 대처하는 데 도움이 됩니다. 복잡한 채권 포트폴리오 위험 노출 분석을 5분 이내로 실행할 수 있으며, 자동화된 듀레이션 헤징 전략 제안도 제공합니다.
신용 시장 기회 발굴: 잠재적인 가격 오류를 식별하고 분리하여 신용 데이터를 실행 가능한 거래 아이디어로 전환합니다. 이를 통해 팀은 백오피스 위험과 인수 지연 시간을 줄이면서 거래량을 늘릴 수 있습니다.
채권 발행 가속화: 고정 수입 및 인수 팀이 잠재고객을 선제적으로 타겟팅하고, 거래 역량을 늘리고, 중요한 선점자 이점을 확보하여 더 많은 비즈니스를 확보할 수 있도록 고객 피치 프레젠테이션 일정을 며칠에서 몇 분으로 단축합니다.

금융 기술 스택 전반에 걸친 커넥터의 개방형 생태계

Gemini Enterprise는 안전한 MCP 커넥터를 통해 핵심 재무 시스템에 직접 연결됩니다. 액세스는 기존의 역할 기반 제어에 의해 제한되므로 검증 가능한 근거와 정확한 출처 인용을 보장합니다.

생산성 및 공동작업:

Google Workspace: 엔터프라이즈 DLP 정책을 준수하면서 Docs, Sheets, Slides 전반에서 원활한 분석과 실시간 아티팩트 생성을 지원합니다.
Microsoft 365: Excel, Word, PowerPoint와 직접 통합되어 재무 모델, 조사 메모, 고객 피치 자료를 채울 수 있습니다.

시장 데이터 및 재무 기본사항:

Daloopa: 재무 전문가와 AI 도구가 정확하고 감사 가능한 결과를 생성할 수 있도록 소스에 연결된 구조화된 재무 데이터 레이어를 제공합니다.
FactSet: FactSet의 다양한 자산 클래스 금융 및 비금융 데이터 세트에 대한 안전하고 승인된 액세스를 지원하여 완전한 감사가 가능하고 규정을 준수하는 인사이트를 통해 신뢰할 수 있는 AI 기반 워크플로를 지원합니다.
Finnhub: 심층적인 재무 연구를 위한 실시간 재무 API, 글로벌 기본 정보, 실적 발표 스크립트를 제공합니다.
Fiscal.ai: 실적 발표 후 몇 분 이내에 재무, 뉴스, 소유권, 부문 및 KPI, 서류, 실적 발표 스크립트를 포함한 기관급 재무 데이터를 제공합니다.
Guidepoint: 1차 연구 인사이트와 전문가 네트워크 스크립트에 연결하여 투자 논거를 알리고 검증합니다.
S&P Global: 금융 분석, 동종 업계 벤치마킹, 업계 조사 등 다양한 워크플로에 인용되고 검증 가능한 S&P Global 데이터를 통합합니다.

위험, 등급, 비공개 시장:

Moody’s: 신용 등급, 채무 불이행 위험 모델, 실시간 뉴스를 하나의 렌즈로 융합하여 거래 상대방 위험 평가를 제공합니다.
MSCI: 공공 및 민간 자산에 걸쳐 독점적인 지수, 데이터, 모델에 연결되며 위험 분석 및 요소 노출도 제공합니다.
PitchBook: 회사 재무, 거래 조건, 가치 평가, 펀드 실적을 포함하여 사모펀드, 벤처 캐피탈, 신용, M&A, 공모 시장에 대한 포괄적인 데이터와 연구를 제공합니다.

규제 및 기업 기록:

SEC Edgar: 정확한 인용 매핑을 통해 법적 서류, 10-K, 10-Q, 8-K를 즉시 검증 가능한 방식으로 검색할 수 있습니다.
Dun & Bradstreet: 전 세계 기업 계층 구조 기록에 직접 액세스하여 상업적 온보딩 및 KYB 확인을 가속화합니다.

디지털 애셋 및 지수:

CoinDesk Data and Indices: 기관급 디지털 애셋 가격 책정, 벤치마크 지수, 다중 애셋 전략을 위한 암호화폐 시장 인텔리전스를 제공합니다.

Gemini Enterprise for Financial Services 소개

서드 파티 에이전트 및 구현 파트너

조직은 즉시 사용 가능한 파트너 에이전트를 배포하거나 글로벌 시스템 통합업체와 협력하여 공급업체 종속 없이 맞춤 기능을 확장할 수 있습니다.

D&B 비즈니스 확인 에이전트: 상업 온보딩을 가속화하고 KYC 규정 준수를 강화합니다.
FlowX 에이전트: 대출 패키지 완전성 검사, 문서 조정 및 금융 기관의 기타 여러 중요한 프로세스를 자동화합니다.
Obin Financial 에이전트: 자산 관리, 상업 대출, 보험팀이 복잡한 재무 분석을 가속화하도록 지원합니다.
S&P Global 에이전트: 다단계 분석, 보고서 생성, 연구 워크플로를 위한 Data Retrieval Agent와 복잡한 에너지 및 지속 가능성 데이터를 금융 워크플로를 위한 빠른 인사이트로 전환하는 데 도움이 되는 Horizons Agents
글로벌 시스템 통합업체 및 기술 파트너: 전략적 파트너십을 통해 기업은 66degrees, Accenture, Artefact, Capgemini, Cognizant, Deloitte, Genpact, GFT Technologies, Infosys, KPMG, PwC, Quantiphi, Slalom, Tribe AI, Zencore 등 전문 FinTech 및 선도적인 글로벌 시스템 통합업체와 연결되어 커스텀 구성을 관리하고 특화된 기능을 전 세계적으로 배포할 수 있습니다.

세계적인 금융 기관과 함께 개발

Google Cloud는 Deutsche Bank, CME Group 등 금융 기관과 긴밀히 협력하여 이러한 기능을 개발하고 있으며, 이를 통해 업계의 운영 현실을 반영할 수 있도록 하고 있습니다.

Deutsche Bank의 최고 기술, 데이터, 혁신 책임자이자 경영진인 마리-잔 드베르던은 다음과 같이 말했습니다. "Deutsche Bank는 금융 연구 에이전트의 설계 파트너로서 데이터 보호 및 거버넌스부터 팀이 매일 사용하는 워크플로에 이르기까지 엄격한 규제가 적용되는 업계의 현실을 고려하여 이 기능을 형성하는 데 도움을 주었습니다. "Corporate Bank를 시작으로 수동 조사 노력을 줄이고, 결과물의 일관성과 감사 가능성을 개선하며, 팀이 고객과의 대화에 더 많은 시간을 할애할 수 있도록 할 수 있는 상당한 잠재력이 있다고 봅니다. 이는 AI를 안전하고 책임감 있게 대규모로 적용하여 실질적인 변화를 이끌어낼 수 있는 중요한 단계입니다."

이번 출시로 Gemini Enterprise의 빠른 성장세가 더욱 탄력을 받을 것으로 보입니다. BNY, Citi Wealth, Lloyds Banking Group, Macquarie Bank, Signal Iduna 등 많은 선도적인 금융 기관에서 Gemini Enterprise를 사용하여 직원들에게 고급 에이전트 워크플로 도구를 제공하여 성장과 효율성을 높이고 있습니다.

엔터프라이즈급 기반으로 빌드

금융 서비스를 위한 Gemini Enterprise는 Google Cloud 인프라와 Gemini Enterprise 플랫폼에서 실행되므로 조직은 엔터프라이즈 플랫폼에서 기대하는 보안, 거버넌스, 규정 준수, 비용 관리 기능을 얻을 수 있습니다.

고객 데이터, 비즈니스 규칙, 지식 재산, 커스텀 에이전트, 모델 출력은 조직 내에서 비공개로 유지됩니다. 사용자의 데이터는 Google의 파운데이션 모델을 학습시키거나 미세 조정하는 데 절대 사용되지 않습니다. 또한 인프라와 모델부터 애플리케이션 계층에 이르는 전체 스택 접근방식을 통해 성능과 비용을 최적화하여 조직이 AI 투자 가치를 극대화할 수 있도록 지원합니다.

이것은 시작에 불과합니다

금융 서비스를 위한 Gemini Enterprise는 오늘 법률 분야를 위해 특별히 빌드된 새로운 솔루션과 함께 프리뷰로 출시됩니다. 금융 기관의 엔터프라이즈 리더를 초대하여 Gemini Enterprise가 가장 중요한 워크플로를 어떻게 혁신할 수 있는지 살펴봅니다. 의료, 생명과학, 기타 전문 서비스에 대한 솔루션도 곧 출시될 예정입니다.

이제 법률 분야를 위한 Gemini Enterprise를 소개합니다

Wed, 26 Aug 2026 03:00:00 +0000

법률 업무만큼 정확성을 요구하는 직업은 거의 없습니다. 계약서를 검토하거나 소송을 준비하는 팀은 엄격하게 보호되는 정보, 회사별 플레이북, 끊임없이 변화하는 법률 체계 내에서 작업합니다. 이러한 업무는 미묘한 차이를 파악하는 전문적인 판단에 달려 있으며, 이를 지원하는 시스템은 넘을 수 없는 윤리적 장벽, 평준화할 수 없는 사안 권한, 편의를 위해 굽힐 수 없는 기밀 유지 의무 등 실제 의무를 상속합니다.

아무리 뛰어난 범용 AI라도 이 기준을 충족하지는 못합니다. 기반 모델 인텔리전스가 필요합니다. 법률 업무에는 턱없이 부족합니다.

차이를 만드는 것은 모델을 중심으로 빌드된 시스템입니다. 회사의 전문성을 강화하는 기술, 실제로 중요한 정보가 있는 시스템에 대한 연결, 제안을 반환하는 대신 작업을 완료하는 에이전트, 이 모든 것을 확장하는 개방형 생태계, 그리고 이 네 가지 모두를 뒷받침하는 거버넌스가 그 예입니다. 각각의 기능은 단독으로도 유용합니다. 이러한 요소들이 결합되어야만 기업이나 법무팀이 프로덕션에 적용하고 실제로 신뢰할 수 있는 결과물을 만들어 낼 수 있습니다.

오늘 Google Cloud는 새로운 산업별 맞춤형 솔루션 제품군에 포함된 Gemini Enterprise for Legal을 통해 이러한 기능을 법률 업무에 도입합니다.

법률 업무에 Gemini Enterprise 도입

법률 분야를 위한 Gemini Enterprise의 4가지 구성요소

업계 리더들과 함께 개발된 Gemini Enterprise for Legal은 법무법인과 기업 법무팀 전반에 걸쳐 신속하게 배포할 수 있도록 구성된 통합된 완전 관리형 환경을 제공합니다.

1. 법률 업무를 위한 맞춤형 기술 스킬은 도메인 전문가가 설계한 재사용 가능한 지침 및 컨텍스트 패키지로, 에이전트가 회사의 플레이북, 인용 규칙, 하우스 스타일을 적용하면서 전문화된 작업을 실행하도록 가르칩니다. 계약 검토 및 수정, 플레이북 생성, 규제 동향 파악, 법률 조사, DSAR 이행 등을 다루며, 파트너가 다시 설명할 필요 없이 플랫폼이 실행할 수 있는 기관 지식이 됩니다.

2. 신뢰할 수 있는 시스템 및 데이터에 연결 안전한 MCP 커넥터는 에이전트를 문서 관리 시스템, 사례 저장소, 연구 서비스, 법무팀이 이미 사용 중인 업계 애플리케이션에 연결하여 각 플랫폼의 기존 사용자 권한과 액세스 제어를 우회하지 않고 상속합니다.

3. 데이터 내에서 작동하는 에이전트 Google 및 주요 법률 소프트웨어 제공업체의 사전 빌드된 에이전트는 즉시 배포할 수 있으며, 이러한 에이전트가 업무를 수행하는 데 필요한 기술과 연결을 제공합니다. 전문 에이전트는 법률 및 정책 연구, 규제 심사, 계약 초안 작성을 처리하여 중앙 집중식 거버넌스를 갖춘 플랫폼에 심층적인 법률 전문성을 제공합니다.

4. 개방형 파트너 생태계 모든 회사와 법무팀은 서로 다른 방식으로 업무를 수행합니다. Accenture, Deloitte, Devoteam, Factor Law, KPMG, Tribe.ai, Valtech, Zazmic, Zencore, 66degrees 등 글로벌 시스템 통합업체 및 법률 기술 전문가와의 파트너십을 통해 조직은 공급업체 종속 없이 복잡한 엔터프라이즈 아키텍처 전반에서 맞춤설정, 통합, 확장이 가능합니다.

기본적으로 관리되는 컨트롤 플레인 법률 IT팀과 위험팀을 위한 단일 대시보드로, 보안 정책 (VPC, CMEK)을 기본적으로 적용하고, 비공개 데이터 격리를 유지하며, 추적 가능한 인용을 통해 모든 출력을 검증 가능한 근거로 유지합니다.

도메인별 기술로 고가치 워크플로 실현

법률 분야를 위한 Gemini Enterprise는 AI를 수동적인 쿼리에서 에이전트형 실행으로 전환하여 다음과 같은 대량의 정밀도 중심 워크플로를 자동화합니다.

선제적 규제 환경 스캔: 법률 및 규정 준수팀이 입법 업데이트, 법원 목록, 감독 기관을 자율적으로 추적하여 글로벌 규정을 준수할 수 있도록 지원합니다. 새로운 변경사항을 엔터프라이즈 정책과 상호 참조하여 노출 격차를 표시하고 실무자가 즉시 검토할 수 있도록 업데이트된 정책 초안을 생성합니다.
데이터 탐색 및 DSAR 응답 자동화: 분산된 엔터프라이즈 시스템 전반의 개인 정보를 몇 초 만에 취합하여 개인 정보 보호 워크플로를 현대화합니다. 데이터 주체 액세스 요청 (DSAR)의 수동 작업을 없애고 운영 위험을 최소화하면서 규제 타임라인을 준수할 수 있습니다.
계약 검토 및 협상 가속화: 엔터프라이즈 플레이북에 대한 용어 벤치마킹을 통해 인바운드 공급업체 계약, NDA, 복잡한 M&A 문서의 처리 시간을 단축합니다. 위험도가 높은 조항과 잠재적 노출을 파악하여 변호사가 전략적 협상과 가치 높은 판단에 집중할 수 있도록 지원합니다.
계약 플레이북 빌드 및 업데이트: 기존 계약 아카이브를 동적이고 실행 가능한 플레이북으로 즉시 변환합니다. 핵심 용어, 대체 포지션, 기관 지식을 자동으로 추출하여 포트폴리오 전반의 용어 일관성을 유지하고 기업 전반의 협상 편차를 줄입니다.
봉인 신청을 위한 문서 수정: 법원 서류를 준비하고 법률 문서를 수정하는 수동 작업 부담을 없애 줍니다. 민감한 용어와 PII를 지능적으로 식별하여 실무자가 신속하게 확인할 수 있도록 함으로써 기밀을 보호하면서도 제출 일정을 크게 단축합니다.
NDA 문서 초안 작성: 회사 표준과 논리적 문서 계층 구조를 적용하는 구조적 충실도 검증을 통해 계약 생성을 개선합니다. 법무팀은 완전한 서식 신뢰도와 최소한의 검토 오버헤드로 기밀 유지 계약을 신속하게 생성하고 발전시킬 수 있습니다.

법률 기술 스택 전반에 걸친 커넥터의 개방형 생태계

법률 업무의 성과는 소스에 따라 달라지며 법률 데이터에는 함께 이동해야 하는 권한이 포함되어 있습니다. 법률 분야를 위한 Gemini Enterprise는 안전한 MCP 커넥터를 통해 핵심 법률 시스템에 직접 연결됩니다. 중요한 점은 액세스가 기존 역할 기반 액세스 제어, 문서 수준 권한, 문서 관리 및 디지털 증거 검색 시스템에서 상속된 신뢰할 수 있는 데이터 제어에 의해 제한된다는 것입니다.

생산성 및 공동작업:

Google Workspace: Google Docs, Gmail, Drive, Sheets와 원활하게 연결되어 사안 커뮤니케이션, 서신을 분석하고 내부 파일을 표시하는 동시에 엔터프라이즈 액세스 제어를 적용합니다.
Microsoft 365: Word, Outlook, SharePoint와 직접 통합되어 워크플로 컨텍스트를 벗어나지 않고도 이메일과 사건 폴더 전반에서 문의, 수정, 업무 제품을 안전하게 분류할 수 있습니다.

문서 관리:

iManage: Gemini Enterprise for Legal에 권한이 부여된 감사 가능한 액세스 권한을 제공하여 사안 기록, 문서, 기관 지식 등 관리되는 iManage 콘텐츠에 액세스할 수 있으므로 대량 내보내기 또는 커스텀 통합이 필요하지 않습니다.
NetDocuments: Gemini Enterprise가 조직의 지식과 전문성을 검색하고 분석하는 동시에 각 사용자의 기존 권한과 윤리적 장벽을 유지할 수 있도록 지원합니다. 소스 문서는 관리되는 NetDocuments 환경을 벗어나지 않습니다.

계약 수명 주기 및 실행:

Docusign: 계약 메타데이터, 활성 승인 워크플로, 계약 저장소를 통합하여 의무를 파악하고, 갱신 날짜를 추적하며, 초안 작성부터 실행까지의 수명 주기를 간소화합니다.

디지털 증거 검색 및 소송 인텔리전스:

Everlaw: Gemini Enterprise를 Everlaw의 소송 및 조사 증거에 연결하여 법무팀이 데이터를 검색 및 분석하고, 사례 인사이트를 발견하고, Gemini Enterprise에서 직접 타임라인을 빌드할 수 있도록 지원합니다. 응답은 기본 문서에 그라운딩되며 액세스는 각 사용자의 기존 Everlaw 권한에 따라 제어됩니다.
RelativityOne: 법무팀이 작업공간을 설정하고, 케이스 데이터를 정리하고, 보안 경계 내에서 운영을 관리할 수 있습니다.

기본 법률, 연구, 공개 사건 목록:

Thomson Reuters HighQ: Gemini Enterprise for Legal을 HighQ와 연결하여 법무팀이 워크플로 내에서 관련 HighQ 콘텐츠에 안전하게 액세스하고 참조할 수 있도록 지원합니다.
Free Law Project의 CourtListener.com: 수백만 건의 연방 및 주 법원 의견, PACER 사건 목록, 사법 프로필, 구두 변론에 대한 액세스를 제공합니다.
Courtroom5: 관할권 인지 민사 소송 데이터 세트, 절차 규칙, 마감일 계산 로직을 제공합니다.

특화된 법률 AI 및 지식 재산:

Harvey: Harvey의 법적 추론 인텔리전스를 Gemini Enterprise에 연결하여 Vault 프로젝트 전반에서 복잡한 법적 추론과 연구를 지원합니다.
인텔리전스 해결: Gemini Enterprise를 전 세계 특허 및 비특허 문헌, SEP 기술 표준, 선행 기술 데이터베이스에 연결하여 특허 초안 작성 및 청구 차트 작성을 지원합니다.
Legora: 법률 업무를 위한 에이전트형 운영체제로, 변호사가 복잡한 사안에 대해 조사, 검토, 초안 작성을 수행하도록 지원

서드 파티 에이전트 및 구현 파트너

모든 회사와 법무팀은 서로 다른 방식으로 업무를 수행합니다. 조직은 Google의 개방형 플랫폼을 통해 사전 빌드된 파트너 에이전트를 배포하거나 시스템 통합업체와 협력하여 맞춤 기능을 확장할 수 있습니다.

Deloitte: Contract Summarize Pro Agent는 복잡한 계약을 명확한 요약으로 합성하여 신속한 인사이트와 정보에 입각한 의사 결정을 지원합니다. Clause Guard 계약 수정 에이전트를 사용해 처리 시간을 단축하고 계약 관리의 위험을 최소화하세요.
Eudia Knowledge 에이전트: 기관 인텔리전스를 심층적인 법률 조사, 대량의 문서 분석, 규정 준수 심사를 실행하는 에이전트 모음과 결합하여 중요한 법률 및 계약 업무를 가속화합니다.
글로벌 시스템 통합업체 및 기술 파트너: Accenture, Deloitte, Devoteam, Factor Law, KPMG, Tribe.ai, Valtech, Zazmic, Zencore, 66degrees와의 전략적 파트너십을 통해 법무팀은 복잡한 엔터프라이즈 아키텍처 전반에서 이러한 기능을 맞춤설정, 통합, 확장할 수 있으며, 협력업체에 종속되지 않습니다.

Gemini Enterprise for Legal은 선도적인 기업에 안전한 에이전트형 플랫폼으로 최신 법률 업무를 관리할 수 있는 방법을 제공합니다.

세계적인 주요 법률 회사와 함께 개발

Google은 Cleary Gottlieb, Freshfields, Weil, Williams & Connolly 등 주요 법률 회사와 긴밀히 협력하여 이러한 기능이 정교한 법률 업무의 현실을 반영할 수 있도록 노력하고 있습니다.

“Cleary는 전략적이고 경쟁력 있는 방식으로 AI를 워크플로에 통합하기 위해 최선을 다하고 있습니다. Google의 Gemini Enterprise는 다른 일상 업무 도구와 원활하게 통합되므로 팀의 효율성을 높이고 고객에게 더 높은 품질의 업무를 제공할 수 있도록 지원합니다." — 제프 카프, Cleary Gottlieb 매니징 파트너

“법률 업계는 변화와 혁신이 가속화되는 시대로 접어들고 있습니다. Freshfields는 Gemini Enterprise for Legal과 같은 첨단 기술을 전문성, 강력한 거버넌스, 제도적 지식과 얼마나 효과적으로 결합하여 고객에게 가치를 창출할 수 있는가에 기회가 있다고 봅니다. Google Cloud와의 전략적인 다년간의 파트너십을 통해 업무를 가속화하고 법률 서비스를 제공하는 방식을 개선할 수 있었습니다.” — 앨런 메이슨, Freshfields 글로벌 매니징 파트너

“법률 분야를 위한 Gemini Enterprise를 조기에 도입하기 위해 Google Cloud와 협력하게 되어 기쁩니다. Google의 기술을 통합하여 워크플로를 간소화하고 고객의 미래에 중요한 결과를 만들어 내는 소송 변호사를 더욱 효과적으로 지원할 수 있기를 기대합니다.” — 조 페트로시넬리, Williams & Connolly 회장

"Google과의 협업을 통해 새로운 기능에 조기 액세스할 수 있을 뿐만 아니라 복잡한 법률 실무의 현실에 기반해 플랫폼을 형성하는 데 도움을 줄 수 있습니다. 그 결과 Weil의 고객이 기대하는 혁신적이고 고품질의 서비스를 계속 제공하는 데 도움이 되는 기술을 개발할 수 있었습니다. 앞으로도 Google Cloud 엔지니어와 Gemini Enterprise 제품팀과 협력하여 AI 기능을 더욱 혁신하고 발전시켜 나갈 수 있기를 기대합니다." — 라모나 니, Weil 신임 임원 파트너

Weil은 Gemini Enterprise를 기반으로 빌드된 Benchmark를 통해 사법 인사이트를 확장합니다.

엔터프라이즈급 기반으로 빌드

기밀 유지는 법률 기술의 기능이 아니라 법률 기술을 사용하기 위한 전제 조건입니다. 법률 분야를 위한 Gemini Enterprise는 Google Cloud 인프라와 Gemini Enterprise 플랫폼에서 실행되므로, 귀사에서 이미 유지 관리하고 있는 권한 및 액세스 제어는 플랫폼이 작동하는 경계이며, 재구성해야 하는 설정이 아닙니다.

고객 데이터, 회사별 플레이북, 지식 재산, 커스텀 에이전트, 모델 출력은 조직 내에서 비공개로 유지되며 Google의 파운데이션 모델을 학습시키거나 미세 조정하는 데 절대 사용되지 않습니다. Google Cloud는 인프라와 모델부터 애플리케이션 계층까지 전체 스택을 운영하므로 성능과 비용을 함께 조정할 수 있습니다. 따라서 팀이 처리할 수 있는 작업의 범위를 확장한다고 해서 지출이 같은 비율로 늘어나는 것은 아닙니다.

이것은 시작에 불과합니다

법률 분야를 위한 Gemini Enterprise의 출시로 Gemini Enterprise의 약속, 즉 모든 전문가의 모든 워크플로에 최고의 Google AI를 제공하고 전문가의 업무 방식에 맞게 기본적으로 조정한다는 약속을 실현하는 또 다른 중요한 발걸음을 내딛게 되었습니다.

Gemini Enterprise for Legal은 오늘 프리뷰 버전으로 출시되며, 금융 서비스를 위해 특별히 빌드된 새로운 솔루션과 함께 제공됩니다. 법률 회사와 법무팀은 Gemini Enterprise가 가장 중요한 워크플로를 어떻게 혁신할 수 있는지 살펴보시기 바랍니다. 의료, 생명과학, 기타 전문 서비스에 대한 솔루션도 곧 출시될 예정입니다.

AI 시대를 위한 FinOps: 에이전트를 위한 새로운 유연한 결제 및 비용 관리

Wed, 26 Aug 2026 03:00:00 +0000

편집자 주: 이 게시글은 처음 게시된 후 제품 이미지가 업데이트되었습니다.

AI가 더 복잡한 작업을 수행함에 따라 비즈니스 리더는 에이전트를 사용하여 신속한 혁신을 실현하는 동시에 마진과 예산을 보호해야 하는 새로운 과제에 직면해 있습니다. AI에서 진정한 수익을 얻으려면 기술과 함께 재무 운영 (FinOps) 및 비용 관리가 발전해야 합니다. 이를 통해 명확한 가시성, 선제적인 비용 관리, 필요에 맞는 유연한 결제 모델을 확보할 수 있습니다.

이에 따라 Google에서는 오늘 Gemini Enterprise 및 Gemini Enterprise의 Google Antigravity , Android 스튜디오와 같은 개발자 도구 전반에서 에이전트 워크로드에 대한 확장된 결제 유연성과 새로운 비용 관리 도구를 소개하고자 합니다.

유연한 결제 옵션: 기존의 예측 가능한 사용자당 라이선스 구독과 새로운 종량제 옵션을 혼합하여 사용할 수 있습니다. Gemini Enterprise 앱의 종량제 옵션을 사용하면 작업 도중에 할당량 한도에 도달하지 않고도 에이전트 워크로드를 실행할 수 있습니다.
개발자 액세스, AI를 관리할 수 있는 단일 위치: 이제 Gemini Enterprise 구독에 Google Antigravity 및 Android 스튜디오 AI 사용이 포함됩니다 (일부 고객에게 제공되며 곧 광범위하게 출시 예정). 따라서 관리 부담을 늘리지 않고도 개발자에게 더 많은 기능을 제공할 수 있습니다. 플랫폼과 앱 전반의 사용량이 별도의 라이선스 및 결제 사일로가 아닌 단일 뷰로 통합됩니다.
사용량이 늘어날수록 비용 절감: AI 워크로드가 꾸준하거나 증가하는 경우 Flexible Savings Plans를 사용하면 매달 지출할 금액을 약정하고 토큰 비용을 10~20% 절감할 수 있습니다. 최소 금액이나 최대 금액이 없으며 관리해야 할 새로운 청구 사일로도 없습니다.
통합 지출 가드레일: 이제 AI 지출 및 프로젝트에 대한 월별 상한선을 설정하고, 에이전트 런타임 비용을 추정하며, 인보이스가 발행되기 전에 갑작스러운 예산 급증을 포착할 수 있습니다.

Gemini Enterprise에서 지출을 제어하면서도 팀에 유연성을 제공하세요

조직마다 운영 방식이 다릅니다. 동일한 비즈니스 내에서도 팀마다 AI를 소비하는 방식이 다릅니다. 비즈니스 사용자는 일상적인 생산성 도구에 의존할 수 있습니다. 한편 기술팀은 AI 에이전트 워크로드를 버스트로 실행할 수 있습니다.

실제 업무 방식에 맞게 비용을 조정하려면 Gemini Enterprise 전반에서 이러한 결제 및 라이선스 선택사항과 기능을 결합할 수 있습니다.

옵션	작동 방식	지출 최적화에 도움이 되는 이유
사용자당 시트 구독 Gemini Enterprise 앱	사용자당 고정 월별 요금을 지불하며, 여기에는 전체 프로젝트에서 공유되는 일일 할당량 풀이 포함됩니다.	예측 가능한 예산 책정 일관된 일일 생산성 요구사항이 있는 팀의 경우 재무팀에 명확하고 안정적인 월별 기준을 제공합니다.
[신규] Gemini Enterprise 앱 종량제 소비 에디션 *일부 고객에게 제공되며 곧 광범위하게 출시될 예정입니다.	선불 약정이나 기본 구독료가 없으므로 팀에서 표준 모델 API 요율로 소비하는 컴퓨팅 및 토큰에 대해서만 요금을 지불하면 됩니다.	사용한 만큼만 비용을 지불하세요. 실제 사용량에 따라 지출이 자동으로 늘었다 줄었다 하므로 프로젝트 수요가 감소할 때 사용하지 않는 라이선스에 대한 비용을 지불할 필요가 없습니다.
[Gemini Enterprise의 Antigravity 신규 기능] 통합된 공유 할당량	일일 사용 허용량은 프로젝트 전반에 걸쳐 통합되므로 비즈니스 앱, 개발자 도구, 커스텀 에이전트가 동일한 공유 할당량에서 가져올 수 있습니다. 풀링된 할당량은 항상 먼저 소진되며, 관리자는 초과 사용이 허용되는지 여부를 제어할 수 있습니다. 초과 사용이 허용되면 사용한 만큼만 지불 요금이 청구됩니다.	최대화된 리소스 사용량: 비즈니스 사용자의 미사용 일일 할당량이 개발자 또는 커스텀 API 에이전트의 높은 수요를 자동으로 흡수하므로 할당량 낭비가 없습니다.
[출시 예정] 지연된 실행 가격 책정 *일부 워크로드에서 곧 사용 가능	적격 에이전트 워크로드를 연기된 것으로 표시하면 Gemini Enterprise Agent Platform의 지능형 스케줄러가 비피크 용량 기간에 이를 실행합니다.	기다릴 수 있는 작업에 대한 상당한 할인: AI 워크로드는 별도의 비피크 용량으로 실행할 수 있으며, 추론 비용의 최대 절반만 지불하고 표준 할당량 한도를 완전히 우회할 수 있으므로 동일한 예산으로 훨씬 더 많은 에이전트 볼륨을 실행할 수 있습니다.

단일 Gemini Enterprise 구독으로 개발자에게 고급 에이전트 도구 제공

자격 요건을 충족하는 고객의 Gemini Enterprise 구독에 포함된 에이전트 중심 개발자 플랫폼인 Gemini Enterprise의 Google Antigravity에 대한 액세스 권한을 출시하고 있습니다. 이 플랫폼은 기술팀에 강력한 에이전트형 코딩 및 에이전트 빌드 기능을 제공합니다. 또한 Android 개발자는 전문적인 Android 개발을 위한 에이전트 기반 IDE인 Android 스튜디오에서 Gemini Enterprise 구독에 포함된 Google Antigravity 할당량을 기본적으로 활용할 수 있습니다.

에이전트 코딩 비용을 보다 효율적으로 관리하기 위해 각 Gemini Enterprise 구독에 포함된 개발자 도구 할당량을 풀링하여 전체 Google Cloud 프로젝트에서 사용할 수 있도록 합니다. 따라서 팀은 이미 구매한 용량을 활용할 수 있습니다. 개발자는 고급 에이전트 도구에 액세스할 수 있으며, 중앙 집중식 거버넌스와 제어는 유지됩니다.

Gemini Enterprise의 Antigravity에 어떤 새로운 기능이 추가되었는지, 고객이 프로덕션 환경에서 이 기능을 어떻게 활용하고 있는지 자세히 알아보려면 심층 분석을 살펴보세요.

Gemini Enterprise 유연한 비용 절감 요금제 (FSP)로 더 스마트하게 예산 관리

조직에 꾸준히 증가하는 AI 워크로드가 있는 경우 Gemini Enterprise 유연한 비용 절감 요금제는 Gemini Enterprise 사용량 전반에 걸쳐 간단한 지출 기반 약정 모델을 제공합니다. FSP는 예산을 유연하게 유지하면서 토큰 비용을 낮추도록 설계되었습니다.

프로그래매틱 절감액: Gemini Enterprise 전반의 월별 지출에 대해 1년 약정 시 10%, 3년 약정 시 20% 할인을 받으세요.
내 페이스에 맞게: 최소 또는 최대 지출 요건이 없으므로 현재 트래픽에 맞는 월별 약정 금액을 결정하고 시간이 지남에 따라 사용량이 증가하면 조정할 수 있습니다.
엔터프라이즈 계약 (EA) 친화적: FSP 지출은 기존 Google Cloud EA에서 원활하게 차감되므로 비즈니스 부문에서 더 광범위한 클라우드 약정을 분할하지 않고도 전용 예산을 제어할 수 있습니다.

Gemini Enterprise 유연한 비용 절감 요금제는 이미 셀프서비스 고객과 기업 계약 고객에게 제공되고 있습니다.

재정적 규율을 유지하면서 팀이 자유롭게 빌드할 수 있도록 지원

리더로서의 목표는 AI의 잠재적 가치를 제한하는 것이 아니라 관리형 AI 비용 없이 직면하는 재정적 및 운영적 위험을 제거하는 것입니다. 엔지니어링팀, 마케팅팀, 운영팀이 에이전트를 사용하여 혁신할 수 있는 자유를 제공하는 동시에 에이전트가 수행하는 작업을 신뢰할 수 있는 가시성과 예산을 보호할 수 있는 안전망을 갖춰야 합니다.

이러한 격차를 해소하기 위해 Google Cloud는 세 가지 간단한 목표를 중심으로 Google Cloud Billing 콘솔에 강력한 네이티브 거버넌스 도구를 직접 빌드했습니다.

1. 확장하기 전에 계획하기: Google Cloud 가격 계산기를 사용하면 사용자당 라이선스, 개발자 도구, 백그라운드 에이전트 런타임 전반에서 Gemini Enterprise의 예상 비용을 추정할 수 있습니다. 프로젝트 작업이 시작되기 전에 명확한 비즈니스 사례를 빌드하는 데 필요한 수치를 제공합니다.

2. 지출을 세부적으로 관리하지 않고도 경계 적용: 프로젝트팀 전반의 일일 사용량 변동을 추적하는 데 시간을 들이는 대신, 이러한 도구를 사용하여 모니터링을 자동화하세요.

이상치 조기 감지: 프로젝트의 AI 지출 추세가 정상보다 높으면 시스템이 근본 원인 분석을 통해 편차를 표시하고 증가를 유발하는 상위 3개 SKU를 정확히 파악하여 변경된 내용을 정확히 확인할 수 있습니다.

주요 SKU를 강조 표시하는 근본 원인 분석 (RCA) 분석과 함께 초기 이상 알림을 보여주는 결제 콘솔

- 프로젝트 수준 지출 한도: 프로젝트에 명확한 재정적 경계가 필요한 경우 Google Cloud 결제 콘솔에서 직접 월별 지출 한도를 설정할 수 있습니다. 프로젝트가 한도에 도달하면 에이전트의 API 호출이 일시적으로 중지되어 나머지 프로덕션 인프라에 영향을 미치지 않으면서 예산을 보호할 수 있습니다. 예산의 50%, 80%, 100% 에 도달하면 자동 이메일 알림이 전송되어 지출 한도 대비 진행 상황을 알려줍니다.

- 초과 사용량 제어: 지출 한도가 트리거되면 콘솔에서 클릭 한 번으로 작업을 재개하도록 선택할 수 있습니다. 또는 연속적인 운영이 우선순위인 경우 초과 사용량을 사용 설정하여 초과 사용량이 소비 요금으로 원활하게 전환되도록 할 수 있습니다. 이렇게 하면 FSP에서 직접 차감되어 초과 사용량 단위 비용이 크게 할인된 상태로 유지됩니다.

프로젝트에 사용한 만큼만 지불하는 초과분을 사용 설정합니다.

3. 비즈니스 가치에 대한 가시성 확보: 중앙 집중식 청구 보고서를 FinOps 에이전트와 함께 사용하여 예산이 어디에 사용되었는지에 대한 자연어 비용 인사이트 요약을 생성하면 경영진에게 ROI를 간단하게 보여줄 수 있습니다.

Google Cloud 콘솔의 AI 지출 보고

AI 비용 최적화 자세히 알아보기

모델과 인프라의 비용, 지연 시간, 성능을 최적화하는 풀스택 FinOps 전략을 빌드하려면 Google Cloud의 상세한 아키텍처 사양과 프레임워크를 살펴보세요.

동적 용량 관리로 인프라 제약 극복하기: Google Kubernetes Engine과 Google Compute Engine의 기능을 활용하여 컴퓨팅 투자를 최적화하는 방법을 알아보세요. 이러한 기능은 리소스를 자동으로 예약하고 재할당하여 중단, 과도한 프로비저닝, 특정 하드웨어 구성에 대한 과도한 의존을 방지합니다.
엔터프라이즈 고객을 위한 Google Antigravity 확장: 개발자 도구 심층 분석을 읽고 기술팀이 에이전트 중심 워크플로를 통해 소프트웨어 제공을 가속화하는 방법을 알아보세요.
스포츠카가 AI 비용 최적화에 대해 알려주는 것: 토큰이 많다고 항상 더 나은 AI를 의미하는 것은 아닙니다. Gemini Enterprise Agent Platform의 제품 관리 이사인 마이크 클라크와의 대화를 통해 성능과 효율성의 균형을 맞추고 AI에 지출하는 모든 비용에서 최고의 수익을 얻는 방법을 알아보세요.
사용량 급증 시 보호: 사용량이 많은 워크로드가 피크 시간대에 급증하더라도 나머지 시간 동안 유휴 상태로 있는 값비싼 전용 인프라에 대한 비용을 지불할 필요가 없습니다. AI 사용량이 증가함에 따라 Gemini 모델은 인위적인 비율 제한에 도달하지 않고도 요청에 따라 자동으로 확장되어 분당 최대 5천만 개의 토큰을 처리할 수 있습니다. 프로비저닝된 처리량에 대해 자세히 알아보세요.

에이전트를 통한 혁신의 가속화: 소프트웨어 정의 차량(SDV)의 보안 확보

Mon, 06 Jul 2026 16:00:00 +0000

해당 블로그의 원문은 2026년 7월 7일 Google Cloud 블로그(영문)에 게재되었습니다.

자동차 산업은 새로운 기술을 채택하기 위해 가속 페달을 밟으며 중대한 전환점에 서 있습니다. 전통적인 커넥티드 차량의 시대는 소프트웨어 정의 차량(SDV)의 시대로 전환되었으며, 이는 무선 업데이트(OTA)를 통해 제공되는 수많은 새로운 기능들과 급격한 혁신이 돋보이는 시대입니다.

AI와 에이전트를 통합함으로써, 차세대 SDV는 미가공 텔레메트리(원격 진단 데이터)를 실시간으로 실행 가능한 통찰력으로 전환하여, 차량이 주변 환경 및 사용자들과 상호 작용하는 방식을 근본적으로 재고할 수 있게 될 것입니다. SDV를 보다 효과적으로 지원하고 보호하기 위해, 구글 클라우드(Google Cloud)와 발텍(Valtech)은 구글 클라우드 상에 구축된 확장성이 뛰어난 AI 지원 커넥티드 차량 플랫폼인 넥서스 SDV(Nexus SDV)를 공동 개발하기 위한 파트너십을 체결했습니다. 이 모듈식이며 개발자 친화적인 오픈소스 솔루션은 최대 1억 개의 장치를 관리할 수 있도록 설계되었으며, 데이터 흐름과 차량 내 경험을 간소화하기 위해 안드로이드 오토모티브 OS(Android Automotive OS, AAOS)와 깊이 있게 통합되어 있습니다.

우리는 Arm 기반 컴퓨팅과 Bigtable을 통해 총소유비용(TCO)을 절감하는 동시에 차세대 자동차 인텔리전스를 구축하기 위한 AI 네이티브 환경을 제공하는 넥서스 SDV(Nexus SDV) 오픈소스 코어의 첫 번째 출시를 발표하게 되어 자랑스럽게 생각합니다.

넥서스 SDV가 이끄는 AI 기반 경험

Nexus AI는 플랫폼의 지능형 엔진 역할을 수행하며, 차량을 수동적인 데이터 소스에서 능동적이고 자율적인 파트너로 변화시킵니다. 제미나이(Gemini) 모델과 제미나이 엔터프라이즈 에이전트 플랫폼(Gemini Enterprise Agent Platform)을 활용하여, Nexus AI는 복잡한 텔레메트리를 실시간으로 분석해 자율적인 의사결정과 초개인화된 운전자 보조를 위한 정보를 제공하며, 사용자의 요구를 예측하는 지능형 에이전트로서 효과적으로 작동합니다.

결정적으로, 이 고도화된 인텔리전스는 총소유비용(TCO)의 획기적인 절감에 초점을 맞추고 있습니다. 고효율 Arm 기반 컴퓨팅과 Bigtable 최적화 데이터 스토리지를 활용함으로써, 플랫폼은 방대한 데이터 볼륨을 처리하는 데 수반되는 운영 비용을 대폭 낮춰줍니다. 이 모듈식이며 AI 네이티브한 아키텍처는 제조업체가 차세대 차량 소프트웨어 도입 시 전통적으로 동반되는 과도한 클라우드 및 개발 비용 부담 없이, 자사 차량 플릿의 인텔리전스를 신속하게 확장할 수 있도록 보장합니다.

클라우드 네이티브 아키텍처

넥서스 SDV의 아키텍처는 차량 엣지와 데이터 센터 간의 격차를 해소하도록 설계된 모듈식의 클라우드 네이티브 토대 위에 구축되었습니다. AAOS와의 깊은 호환성은 클라우드와 차량 간의 긴밀한 통합을 위한 핵심 초석이며, 고정밀 텔레메트리 데이터를 실시간으로 인입하고 동기화할 수 있도록 지원합니다. 이 견고한 데이터 루프를 통해 Nexus AI는 지능형 업데이트와 서비스를 차량으로 빠르게 되돌려 보낼 수 있습니다.

개발자 친화적인 개방형 프레임워크를 제공함으로써, 넥서스 SDV는 제조업체가 구글 클라우드 생태계의 확장성과 신뢰성을 바탕으로 SDV의 전체 라이프사이클을 완벽하게 관리할 수 있도록 지원합니다.

넥서스 SDV(Nexus SDV) 아키텍처

구글 클라우드 보안 제어를 활용한 심층 방어

기본 설계부터 안전한(secure-by-design) 구조 및 제로 트러스트(Zero Trust) 아키텍처를 포함한 구글의 안전한 기반 위에 구축된 넥서스 SDV(Nexus SDV)는 규제 준수 및 위협 방어라는 까다로운 과제를 수월하게 해결할 수 있도록 지원합니다. 이를 달성하기 위해, 넥서스 SDV 아키텍처는 다음과 같은 6가지 핵심 요소를 바탕으로 포괄적인 심층 방어(defense-in-depth) 보안 모델을 구현합니다.

상호 TLS(mTLS) 및 공개키 기반구조(PKI)

넥서스 SDV는 어떠한 데이터 전송도 일어나기 전에 차량을 먼저 인증하기 위해 암호학적 신뢰 체인에 의존합니다. 이 인프라는 고가용성의 안전한 신뢰 기준점(root of trust)을 보장하기 위해 Google Cloud Certificate Authority Service(CAS)를 사용하여 고유한 CA 풀(서버, 공장 및 등록 CA)을 관리합니다.

구체적으로, 등록 서버는 초기 TLS 핸드셰이크 중에 클라이언트가 유효한 "공장 발행(factory-issued)" 인증서를 제시하도록 강제함으로써 등록 프로세스를 실행하며, 연결 스트림에서 직접 인증서를 추출 및 파싱하여 차량의 신원을 명확하게 증명합니다. 등록 과정에서 서버는 차량이 새로운 운영 인증서를 발급받기 전에 전송한 인증서 서명 요청(CSR)에 대한 검증을 수행합니다.

ID 및 액세스 관리(IAM)

이 시스템은 Keycloak이 중앙 OpenID Connect(OIDC) ID 제공업체로 배포되는 ID 브로커링(identity brokering) 방식을 사용합니다. 차량은 mTLS를 통해 자신의 운영 인증서를 사용하여 Keycloak에 인증하고, 수명이 짧은 JWT(JSON Web Token)를 발급받습니다.

미세 조정된 액세스 제어를 위해, 커스텀 NATS Auth Callout 서비스가 동적인 서브젝트 권한을 제공합니다. 이 서비스는 모든 메시징 브로커 연결 시도를 가로채고, 공개 JWK 키를 사용해 Keycloak JWT를 검증하며, 차량의 역할을 특정 NATS 서브젝트에 프로그램 방식으로 매핑합니다.

안전한 서비스 간 통신을 위해 Workload Identity Federation을 활용하므로, 파이프라인은 정적 자격 증명을 제거하기 위해 GitHub OIDC 토큰을 일시적인 구글 클라우드 액세스 권한으로 교환합니다. 한편, GKE Workload Identity를 통해 Kubernetes 서비스 계정을 구글 서비스 계정에 바인딩함으로써 Kubernetes Pod가 Bigtable과 같은 백엔드 서비스에 안전하게 액세스할 수 있도록 지원합니다.

보안은 제한된 IAM 범위(restricted IAM scopes)를 통해 한층 더 강화되어, 전용 서비스 계정이 최소한의 권한으로 프로비저닝되도록 보장합니다(예: 데이터 API가 Bigtable에서 데이터를 읽는 작업으로만 제한됨). 배포 컨텍스트에서 VPC-SC, 조직 정책 제약 조건(Organization policy constraints) 및 Private Service Connect(PSC)를 활용하는 것 또한 안전한 기반을 달성하는 데 도움이 됩니다.

비밀 관리

넥서스 SDV는 민감한 정보를 보호하기 위해 중앙 집중식 비밀 관리에 의존합니다. 모든 민감한 설정, 데이터베이스 비밀번호, 암호학적 서명 키는 Terraform 인프라 프로비저닝 중에 동적으로 생성되며 Google Cloud Secret Manager 내부에 안전하게 잠깁니다.

배포 중 애플리케이션 코드나 컨테이너 이미지에 비밀 정보가 하드코딩되는 것을 방지하기 위해 비밀 페칭(secret fetching) 방식이 사용됩니다. 대신, 서비스들은 서명 키와 자격 증명을 런타임 시점에만 메모리로 직접 가져오므로, 미사용 시(at rest) 및 전송 시(in transit) 노출 위험을 최소화합니다.

네트워크 격리

네트워크 격리를 시행하기 위해 기반 컴퓨팅 인프라는 강력하게 보호됩니다. 넥서스 SDV는 워커 노드에 퍼블릭 IP 주소가 없어 인터넷에 직접 노출되지 않는 프라이빗 GKE 클러스터에서 실행됩니다. 또한, Keycloak PostgreSQL 데이터베이스는 정적 데이터베이스 비밀번호에 의존하거나 IP 허용 목록을 관리하는 대신, Cloud SQL Proxy가 IAM 역할을 사용하여 안전하게 연결할 수 있도록 지원하는 Cloud SQL IAM 인증(Cloud SQL IAM Authentication)을 사용합니다.

안전한 AI 프레임워크(Secure AI Framework)

구글 클라우드는 Secure AI Framework(SAIF)의 지침에 따라 데이터 프라이버시, 모델 거버넌스 및 안전한 실행을 최우선으로 하는 포괄적인 엔터프라이즈급 프레임워크를 통해 이러한 고급 AI 기능을 안전하게 보호합니다. 제미나이 엔터프라이즈 에이전트 플랫폼(Gemini Enterprise Agent Platform)을 사용하면 전용 설명 가능성(Explainability) 및 안전성 제어, 지속적인 평가 및 모니터링, 안전한 모델 레지스트리 등의 기능을 통해 보안 및 거버넌스가 머신러닝 라이프사이클에 네이티브하게 임베딩됩니다.

구글이 AI를 보안하는 방법에 대해 여기에서 자세히 알아보실 수 있습니다.

데이터 API (Data API)

하운스트림 애플리케이션 및 외부 클라이언트가 Bigtable과 같은 데이터 저장소에 직접 액세스하도록 허용하는 대신, 넥서스 SDV는 커스텀 데이터 API를 통해 데이터 검색을 라우팅합니다. 이 마이크로서비스는 특정 차량 ID, 센서 데이터 유형 및 사전 정의된 시간 창을 쿼리하는 것과 같은 엄격한 요청을 고도로 제한된 Bigtable 행 범위 스캔 및 열 필터로 변환하는 안전한 추상화 레이어 역할을 수행합니다.

이를 통해 구조화된 데이터 액세스 패턴을 시행하는 안전한 게이트웨이 역할을 합니다.

넥서스 SDV와 함께 여정을 시작해 보세요

넥서스 SDV는 오픈소스 프레임워크 내에서 제조사가 AI의 모든 성능을 활용할 수 있도록 지원하는 자율적이고 안전하며 비용 효율적인 플랫폼을 제공함으로써 자동차 인텔리전스의 새 시대를 열어갑니다. 구글이 소프트웨어 정의 차량을 재정의하는 방법에 대해 여기에서 자세히 알아보실 수 있습니다.

GKE 인퍼런스 게이트웨이(Inference Gateway), 프리픽스 캐싱으로 AI 추론 가속화

Wed, 01 Jul 2026 00:00:00 +0000

*본 아티클의 원문은 2026년 6월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

생성형 AI가 실험적인 파일럿 단계를 넘어 대규모 운영 환경으로 확장되면서, 이제 인프라의 효율성이 핵심 경쟁력으로 자리 잡고 있습니다. 인프라 활용도를 극대화하고 리소스 소모가 큰 액셀러레이터의 대기 시간을 줄이는 가장 효과적인 방법 중 하나는, 실시간 모델 서버 메트릭을 기반으로 생성형 AI 워크로드를 지능적으로 분산하는 GKE 인퍼런스 게이트웨이(GKE Inference Gateway)를 도입하는 것입니다.

기존의 단순한 라운드 로빈(Round-robin) 로드 밸런싱은 액셀러레이터의 불필요한 재연산(Recomputation)을 자주 유발하고 사용자 지연 시간을 늘리는 단점이 있습니다. 반면, GKE 게이트웨이(GKE Gateway)의 자체 확장 기능은 프리픽스 캐싱(Prefix caching)과 모델 기반 라우팅(Model-aware routing) 같은 고급 기술을 제공합니다. 이 기능을 활용하면 대기 중인 액셀러레이터로 요청이 즉시 매핑되므로, 우수한 하드웨어 효율성(Hardware utilization)과 빠른 응답 속도로 대규모 언어 모델(LLM) 서비스를 구현할 수 있습니다.

실제로 발표된 독립 벤치마크 보고서에 따르면, GKE 인퍼런스 게이트웨이는 타사 관리형 쿠버네티스 서비스와 비교했을 때 처리량(Throughput)은 15.7% 높고, 첫 번째 토큰 대기 시간은 92.8% 짧으며, 토큰 간 지연 시간(Inter-token latency)은 62.6% 더 낮아 압도적인 성능 우위를 보였습니다. 덕분에 지연 시간이 길고 운영 비용이 부담스럽던 기존 LLM 기반 애플리케이션을 즉각적인 응답 속도를 갖춘 운영 수준(Production-grade)으로 향상시킬 수 있습니다.

이와 같은 뛰어난 성능은 Snap이 GKE 인퍼런스 게이트웨이를 도입한 실무 사례에서도 확인됩니다.

“Snap에서는 대규모 고성능 추론 환경을 안정적으로 구축하고자 llm-d를 프로덕션 AI 인프라에 통합하여 운영 중입니다. 프리픽스 캐시 기반 라우팅(Prefix-cache-aware routing)을 적용한 결과, 프리픽스 캐시 적중률(Prefix cache hit rates)을 최대 75~80%까지 끌어올렸습니다. 특히 llm-d의 유연한 오픈소스 특성 덕분에 Envoy 기반의 서비스 메시(Service Mesh) 환경과도 매끄럽게 통합되었습니다.” - Vinay Kola, Snap Inc. 소프트웨어 엔지니어링 부문 시니어 매니저

본 블로그에서는 구체적인 활용 사례와 함께 GKE 인퍼런스 게이트웨이의 프리픽스 캐싱 작동 원리를 살펴보고, 최근 진행된 벤치마크 평가 결과를 상세히 공유해 드립니다.

지연 시간 단축의 핵심: 프리픽스 캐싱 (Prefix caching)

프리픽스 캐싱은 자주 반복되는 프롬프트 앞부분(Prefix)의 KV 캐시(활성화 상태, KV cache)를 메모리에 미리 저장하여 LLM 성능을 최적화하는 기술입니다. 여러 사용자 요청이 동일한 시스템 지침(System instructions)이나 기본 컨텍스트, 문서 데이터를 공유할 때, 모델은 해당 영역의 토큰 연산을 완전히 생략하고 바로 다음 단계로 넘어갑니다. GKE 인퍼런스 게이트웨이는 유입되는 요청의 프리픽스를 분석해 해당 데이터를 이미 캐싱해 둔 특정 포드(Pod)로 연결해 줍니다. 따라서 GPU와 TPU의 불필요한 중복 연산 비용(Thinking tax)을 없애고, 무거운 추론 과정을 실시간에 가까운 응답 속도로 전환합니다.

활용 사례 1: 검색 증강 생성(RAG) 기반 문서 및 코드베이스 Q&A

RAG 패턴으로 방대한 엔터프라이즈 코드 저장소나 문서를 조회할 때, 전체 데이터셋을 정적 캐시 프리픽스로 고정해 두면 지연 시간 없이 정확한 실시간 응답을 생성(Grounding)할 수 있습니다.

사용자가 질문을 보낼 때마다 LLM이 매번 수천 줄에 달하는 API 레퍼런스나 사내 위키 문서를 처음부터 다시 분석할 필요가 없습니다. GKE 인퍼런스 게이트웨이가 관련 컨텍스트를 이미 KV 캐시에 로드(Warm-up)해 둔 포드로 사용자의 질문을 즉시 라우팅하기 때문입니다. LLM은 사용자가 새로 입력한 질문 내용만 연산하므로, 불필요한 문서 재연산 프로세스를 완전히 우회합니다.

code_block: <ListValue: [StructValue([('code', '[STATIC PREFIX - STAYS IN CACHE (캐시에 유지되는 정적 프리픽스)]\r\nYou are an expert AI assistant specializing in technical documentation. Below is the complete API documentation for our software platform. Use this context to answer the user\'s questions accurately. If the answer cannot be found in the documentation, say "I cannot find that in the provided context."\r\n\r\n<documentation>\r\n[10,000+ words of API reference documentation, endpoints, error codes, etc. (10,000자 이상의 API 참조 문서, 엔드포인트, 에러 코드 등)]\r\n</documentation>\r\n\r\n[DYNAMIC SUFFIX - CHANGES PER REQUEST (요청마다 변경되는 동적 접미사)]\r\nUser Question: How do I handle a 429 rate limit error using the Python SDK?\r\n(사용자 질문: Python SDK를 사용하여 429 rate limit 에러를 처리하려면 어떻게 해야 하나요?)'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f71bbc67c40>)])]>

활용 사례 2: 다중 대화형 챗봇 (Multi-turn chat)

프리픽스 캐싱을 이용하면 트래픽이 집중되더라도 컴퓨팅 인프라 비용 부담 없이 수천 명의 사용자와 동시에 매끄러운 상담 세션을 유지할 수 있습니다. 고정된 챗봇 페르소나 및 핵심 비즈니스 로직 설정을 LLM 서버 내에 영구적으로 캐싱하는 방식을 사용합니다.

기업용 고객 상담 서비스에서 사용되는 기본 시스템 프롬프트와 안내 정보는 수백만 명의 사용자가 유입되어도 완전히 동일합니다. GKE 인퍼런스 게이트웨이는 컨텍스트 기반 라우팅(Context-aware routing)으로 다중 대화 세션을 관리하여 반복적인 기본 토큰 연산을 최소화하므로, 동시 접속자가 급증해도 지연 없는 대화 환경을 지원합니다.

code_block: <ListValue: [StructValue([('code', '[STATIC PREFIX - STAYS IN CACHE (캐시에 유지되는 정적 프리픽스)]\r\n-System Persona: You are "FinBot", a helpful, empathetic, and compliant virtual assistant for ABC Banking Solutions. You must strictly adhere to the following rules:\r\n1. Never provide concrete investment advice.\r\n2. Always verify if the user is asking about checking or savings.\r\n3. Keep your answers under 3 sentences.\r\n4. If a user is angry, offer to connect them to a human manager.\r\n\r\nHere is the current interest rate table for May 2026:\r\n- Savings: 4.2% APR\r\n- Checking: 0.5% APR\r\n- CD (12-month): 5.1% APR\r\n\r\n[DYNAMIC SUFFIX - CHANGES PER REQUEST (요청마다 변경되는 동적 접미사)]\r\nUser: Hi, I\'m trying to figure out how much I\'d make if I locked away $10,000 for a year?\r\n(사용자: 안녕하세요, 1만 달러를 1년 동안 묶어두면 얼마를 벌 수 있는지 알고 싶어요.)'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f71bbc67eb0>)])]>

GKE, 타사 관리형 쿠버네티스 대비 뛰어난 성능 우위 입증

이와 같은 아키텍처 관점의 강점을 객관적으로 확인하고자, Principled Technologies에서는 최근 GKE 인퍼런스 게이트웨이를 적용한 GKE 환경과 기존의 라운드 로빈 HTTP 로드 밸런싱을 쓰는 표준 타사 관리형 쿠버네티스 서비스를 비교 검증한 독립 벤치마크 평가 결과를 발표했습니다.

두 서비스 모두 동일한 하드웨어(NVIDIA A100 40GB GPU 8개)와 Llama 3.1 8B Instruct 공유 프리픽스 워크로드를 사용해 공정하게 테스트되었습니다. 측정 결과 GKE는 단순히 우위를 점하는 수준을 넘어, 아래의 3대 핵심 메트릭에서 압도적인 격차로 인프라 성능 차이를 입증했습니다.

높은 처리량(Throughput): 초당 토큰 처리량이 15.7% 증가하여 동일 규모의 인프라에서 더 많은 동시 요청을 소화하거나 하드웨어 투자 비용을 대폭 아낄 수 있습니다.
첫 번째 토큰 생성 시간(TTFT) 단축: 첫 토큰 출력 대기 시간이 무려 92.8% 줄어들어 사용자가 느끼는 체감 반응 시작 속도가 비약적으로 향상됩니다.
낮은 토큰 간 지연 시간(ITL): 62.6% 더 낮아져 첫 토큰이 출력된 이후 실시간 스트리밍이 끊김 없이 매끄럽게 흐릅니다.

Figure 3: 공유 프리픽스 테스트 환경에서 Llama 3.1-8B Instruct LLM을 구동했을 때 GKE 인퍼런스 게이트웨이를 적용한 GKE와 타사 관리형 쿠버네티스 서비스의 평균 지연 시간(출력 토큰당 정규화된 시간) 비교. 동일 사양의 하드웨어 기준. 출처: Principled Technologies

성능 측정 메트릭	GKE	타사 관리형 쿠버네티스 서비스	GKE 적용 효과
평균 출력 토큰 처리량	초당 7,169.21 토큰	초당 6,042.05 토큰	15.7% 처리량 향상
평균 첫 번째 토큰 생성 시간 (TTFT)	188.36 ms	2624.73 ms	92.8% 대기 시간 단축
평균 토큰 간 지연 시간 (ITL)	30.20 ms	81.03 ms	62.6% 지연 감소

Figure 4: 일반 HTTP 로드 밸런싱 방식의 타사 관리형 쿠버네티스 대비 GKE 인퍼런스 게이트웨이를 활성화한 GKE의 AI 추론 효율성 비교.

실무 환경에서 생성형 AI 추론 서비스 가속화하기

실시간 챗봇 상담 에이전트, 실시간 코드 작성 도구, 고성능 금융 사기 방지 필터링 등의 워크로드를 운영할 때 인프라의 응답 속도는 곧 사용자 경험의 만족도를 결정하는 핵심 요인입니다. GKE 인퍼런스 게이트웨이는 공유 프롬프트 프리픽스 캐시의 적중률을 사실상 100%에 가깝게 유지해 줍니다. 이로 인해 반응이 더디고 고비용 구조를 가졌던 기존 LLM 시스템을 고효율, 초저지연의 운영급 시스템으로 즉시 업그레이드시켜 줍니다.

GKE 인퍼런스 게이트웨이가 보유한 성능상의 메리트를 직접 실무 워크로드에 적용해 보세요. 상세 분석 자료가 포함된 벤치마크 보고서 원본은 여기(영문)에서, 시연을 담은 설명 영상은 유튜브에서 확인하실 수 있습니다.

벤치마크 평가를 면밀하게 진행해 주신 Principled Technologies의 시니어 성능 분석 설계자 Dan Sullivan에게 깊은 감사를 드립니다.

Cloud CISO Perspectives: 구글 클라우드 보안이 내부적으로 AI를 활용하는 방식

Mon, 29 Jun 2026 16:00:00 +0000

해당 블로그의 원문은 2026년 6월 30일 Google Cloud 블로그(영문)에 게재되었습니다.

2026년 6월의 두 번째 Cloud CISO Perspectives에 오신 것을 환영합니다. 오늘은 자율형 소프트웨어 개발 수명 주기(SDLC) 보안을 향한 길을 개척하기 위해 구글이 AI를 어떻게 활용하고 있는지 논의하고자 합니다.

모든 Cloud CISO Perspectives와 마찬가지로, 이 뉴스레터의 내용은 구글 클라우드 공식 블로그에 게시됩니다. 웹사이트에서 이 글을 읽고 계시며 이메일 버전을 받아보고 싶으시다면 여기에서 구독하실 수 있습니다

aside_block: <ListValue: [StructValue([('title', '구글 클라우드와 함께하는 사이버 보안 인사이트'), ('body', <wagtail.rich_text.RichText object at 0x7f71bb2c96a0>), ('btn_text', '허브 방문하기'), ('href', 'https://cloud.google.com/solutions/security/board-of-directors?utm_source=cgc-site&utm_medium=et&utm_campaign=FY26-Q2-GLOBAL-GCP39634-email-dl-dgcsm-CISOP-NL-177159&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

Cloud CISO Perspectives: AI 자율형 SDLC 보안을 향한 로드맵

Chris Betz, 구글 클라우드 CISO & Ruchi Shah, 구글 클라우드 보안 엔지니어링 시니어 디렉터

Chris Betz, CISO, Google Cloud

AI는 취약점 악용의 경제학을 완전히 뒤흔들어 놓았으며, 기존의 보안 패치 적용 시간(patching window)을 사실상 소멸시켰습니다. 이러한 새로운 현실에서 살아남기 위해 보안에는 자율적인 방어 체계가 필요합니다.

기계의 속도로 몰아치는 AI 기반 위협에 대응하기 위해, 구글 클라우드는 자사의 보안 태세를 자율적이고 선제적인 모델로 전환하기 위해 부단히 노력해 왔습니다. 소프트웨어 개발 수명 주기(SDLC)에 전문화된 AI 에이전트를 직접 내장함으로써, 구글은 인간 개발 및 보안 팀이 도달할 수 없는 수준의 속도와 규모로 소스 코드를 보호하는 자동화된 가드레일을 구축했으며, 이러한 가드레일을 시장에 널리 보급하기 위한 조치들을 취하고 있습니다.

Ruchi Shah, Google Cloud구글 클라우드 보안 엔지니어링 시니어 디렉터

에이전트 기반의 안전한 SDLC 아키텍처를 설계한 방법

구글 클라우드는 코드 통합 단계부터 프로덕션 배포에 이르기까지 소프트웨어 수명 주기의 모든 단계에 모듈식의 상호 연결된 AI 에이전트를 배포하여 제품을 지속적으로 강화(harden)하고 있습니다.

설계, 검토 및 통제

과거에는 제품 출시 승인 검토와 위협 모델링이 수작업으로 진행되어 병목 현상을 유발했습니다. 오늘날 구글 클라우드 엔지니어링 팀은 제품 출시 프로세스를 에이전트 기반 보안 검토 파이프라인을 통해 처리합니다.

에이전트들은 200개 이상의 엄격한 보안 요구 사항이 포함된 상시 제어 카탈로그와 설계를 대조 검증합니다. 고위험 요소들은 자동으로 분류되어 인간 엔지니어의 개입을 위해 플래그가 지정되는 한편, 동적 제품 문서는 정적 위협 모델을 대체하기 위해 실시간으로 업데이트됩니다

구글 클라우드는 전체 SDLC 흐름 전반에 걸쳐 에이전트 기반 역량을 내장하여 제품을 엔드투엔드로 지속해서 강화하고 있습니다.

2. 중앙 집중식 AI 코드 스캐닝과 Mantis 프레임워크

단순하고 분산된 방식의 AI 코드 스캐닝은 완성도가 떨어져 버그를 빈번히 오탐(hallucinate)하고 실제 정탐률(true-positive rate)이 7% 미만에 불과합니다. 이를 해결하기 위해, 구글은 확장 가능하고 맥락을 인식하는 리포지토리 분석을 위해 특별히 설계된 핵심 다중 에이전트 오케스트레이션 프레임워크인 Mantis를 구축했습니다.

Mantis의 핵심 기술들은 이제 이 근본적인 개념을 증명하기 위해 오픈소스로 제공됩니다. 구글은 내부적으로 구동되며 고객들을 안전하게 보호하는 더욱 완성도 높은 버전의 프레임워크를 운영하고 있습니다.

Mantis는 계층적 보안 요약 트리(hierarchical security summary tree)를 구성하여 무차별적인 코드 분석 방식을 차단합니다. 개별 파일들을 디렉토리 및 루트 수준의 요약으로 압축함으로써, Mantis는 대규모 리포지토리 전반에서 중요한 구조적 맥락을 유지하면서도 토큰 소모량을 85% 이상 절감합니다.

이 아키텍처는 새로운 에이전트들과 기존 기술들 간의 고도로 조율된 워크플로우에 의존합니다:

Strategist agent (전략가 에이전트): 고수준의 코드 구조, 위협 모델 및 종속성 그래프를 평가하여 위험한 아키텍처 패턴을 격리하고, 표적 조사 작업의 우선순위가 지정된 글로벌 계획을 수립합니다.
Research agents (연구 에이전트): 전문 도메인 조사관 역할을 수행하는 이 에이전트들은 내부 코드 검색을 사용하여 원시 소스 파일을 파고들며 데이터 추적, 제어 흐름 및 살균(sanitization) 로직을 검사합니다.
Deduplicator, reviewer, and critic agents (중복 제거, 검토 및 비판 에이전트): 노이즈를 필터링하고 오탐(false positives)을 제거하여 탐지 결과를 정제합니다.
Reproduction sandbox (재현 샌드박스): 개발자에게 알리기 전에 가상 환경에서 실제 악용 가능성을 검증하기 위해, 격리되고 에뮬레이트된 환경에서 AI가 생성한 개념 증명(PoC) 익스플로잇을 자동으로 실행합니다.

3. 자체 치유형 퍼즈 테스트

코드 스캐닝이 폭넓은 분석을 제공하는 반면, 동적 퍼즈 테스트(fuzz testing)는 깊이 있는 런타임 취약점을 발견합니다. 그러나 퍼즈 테스트의 하네스(harness)를 작성하고 유지 관리하는 일은 종종 중대한 엔지니어링 병목 현상이 됩니다

상태가 유지되지 않는(Stateless) AI 시스템은 버그를 비효율적으로 수정하려고 시도하거나 존재하지 않는 코드에 대해 오탐하는 등 동일한 논리적 함정에 반복해서 빠집니다. 구글의 프레임워크는 사후 자가 검토(post-hoc self-reflection) 루프를 도입하여 이를 해결합니다.

구글의 자율적인 다중 에이전트 엔진은 수작업의 개입을 원천 배제합니다.

Context and Drafting agents (맥락 및 드래프팅 에이전트): 제품 로직과 기존 단위 테스트를 종합하여 초기 퍼징 하네스를 자동으로 작성합니다.
Building and Testing agents (빌딩 및 테스트 에이전트): 코드를 실행하고 실시간 컴파일러 및 링커 오류를 'Hallucination Cleaner' 에이전트에 전송하며, 이 에이전트는 깨진 종속성과 빌드 설정을 수리하는 자동화된 정비사 역할을 수행합니다.
Quality Analyzer agents (품질 분석기 에이전트): 런타임 실행을 모니터링하고 코드 블로커를 우회하기 위해 입력을 능동적으로 조정하며, 복잡하고 상태 보존적인 API의 깊은 영역까지 파고듭니다.

4. 단일화된 AI 패치 파이프라인

적절한 계획 없이 대규모로 수천 개의 취약점을 발견하는 것은 심각한 보안 조치 지연(remediation backlog)을 초래할 수 있습니다. 보안 위협 노출 창(exposure window)을 닫기 위해, 구글의 취약점 발견 도구들은 진단 결과를 자율적인 수정 패치 파이프라인으로 직접 전송합니다.

The Reproduce agent (재현 에이전트): 샌드박스 환경에서 크래시 현상을 그대로 재현합니다.
The Bug Context agent (버그 맥락 에이전트): 장애 실행 경로를 정밀 매핑합니다.
The Patch agent (패치 에이전트): 표적 코드 수정안을 생성합니다.
The Evaluation agent (평가 에이전트): 패치가 안전한지 확인하기 위해 엄격한 회귀 테스트 루프(코드를 재컴파일하고 테스트를 실행하는 과정)를 구동합니다. 완벽히 검증된 수정안만이 최종적으로 인간 검토자에게 제출됩니다.

5. 자율적이고 안전한 보안 태세 관리

제품 출시 이후에도 구글은 자율 보안 태세 관리(ASPM) 시스템을 통해 보안 무결성을 유지합니다. 구글의 보안 표준 카탈로그를 프로그래밍 가능한 스킬 파일로 변환함으로써, ASPM 시스템은 프로덕션 시스템의 구성 드리프트(configuration drift)를 상시 점검하고 정책 위반이 발생할 경우 자율 에이전트를 통한 조치(remediation)를 자동으로 실행합니다.

자기 성찰을 통한 지속적인 역량 강화

상태가 유지되지 않는(Stateless) AI 시스템은 버그를 비효율적으로 수정하려고 시도하거나 존재하지 않는 코드에 대해 오탐(hallucinate)하는 등 동일한 논리적 함정에 반복해서 빠집니다. 우리의 프레임워크는 사후 자기 성찰(post-hoc self-reflection) 루프를 도입하여 이를 해결합니다. 워크플로우가 종료되면, 전용 성찰(reflection) 에이전트가 실행 로그, 도구 사용 이력 및 인간의 피드백을 분석합니다.

성공적인 도달 경로(trajectories)와 디자인 패턴은 글로벌 지식 저장소에 영구적으로 보존됩니다. 향후 새로운 에이전트들이 가동될 때 이 인텔리전스가 에이전트의 맥락 창(context window)에 직접 주입되어, 우리의 보안 엔지니어링에 복리 이자와 같은 누적 효과를 제공합니다. 이러한 접근 방식은 취약점 조치 성공률과 효율성 모두를 향상시키는 데 기여했습니다.

면역 소프트웨어를 향한 전진

구글 클라우드의 내부 여정은 AI 스케일에서 소프트웨어를 보호하려면 인간에 의존하는 체크리스트 방식에서 벗어나 선제적인 다중 에이전트 오케스트레이션(multi-agent orchestration)으로 패러다임을 근본적으로 전환해야 함을 입증합니다. Mantis와 같은 오픈소스 도구를 자율적이고 자체 치유(self-healing)가 가능한 실행 루프와 결합함으로써, 구글은 애플리케이션이 실시간으로 스스로의 취약점을 끊임없이 발견하고, 검증하며, 패치하는 '면역(immune)' 소프트웨어 개발의 미래를 개척하고 있습니다.

기계의 속도(Machine-speed)로 취약점을 찾아내고 패치하기 위해 구글이 Mantis와 기타 도구들을 어떻게 활용하고 있는지에 대한 자세한 내용은 여기에서 더 확인해 보실 수 있습니다.

aside_block: <ListValue: [StructValue([('title', '새로운 기술 배우기'), ('body', <wagtail.rich_text.RichText object at 0x7f71bb2c9280>), ('btn_text', '지금 시청하기'), ('href', 'https://www.youtube.com/watch?v=C1wEjzOHh7Y'), ('image', <GAEImage: Cloud-CISO-Perspectives-logo-A>)])]>

Google Cloud Security 최신 소식

이번 달 지금까지 구글 보안 팀이 발표한 새로운 소식, 제품 및 서비스, 정보를 다음과 같이 정리해 전해드립니다:

AI 시대의 검증 가능한 신뢰: 기밀 컴퓨팅(Confidential Computing)의 새로운 소식: 클라우드 AI 배포에서 검증 가능한 프라이버시를 한층 더 강력하게 보장하기 위해 도입된 구글의 최신 기밀 컴퓨팅 혁신 기술들을 소개합니다. 자세히 보기
선택, 규제 준수, 그리고 협업: 개방형 디지털 주권을 향한 유럽의 길: 구글의 소버린 클라우드(Sovereign Cloud) 솔루션은 유럽의 단계별 규제 준수 요구 사항을 모든 레벨에서 충족할 수 있도록 설계되었습니다. 자세히 보기
AI가 SecOps 플레이북을 재작성하는 방식: 공격자들이 기계의 속도로 활동함에 따라, 방어자들은 탐지 속도, 자동화, 그리고 지속적인 의사결정에 우선순위를 두어야 합니다. 자세히 보기
구글, ‘IDC MarketScape 글로벌 SIEM 2026 벤더 평가’ 리더(Leader) 선정: 구글이 2026년 IDC MarketScape 글로벌 SIEM 플랫폼 부문 리더(Leader)로 선정되었음을 기쁜 마음으로 발표합니다. 자세히 보기
윈도우용 Wiz Runtime Sensor 출시 발표: Wiz는 중요 클라우드 인프라를 보호하기 위해 효율적으로 확장되는 메모리 안전 아키텍처와 실시간 위협 탐지 기능을 결합합니다. 자세히 보기
에이전트 보호를 위한 새로운 VPC Service Controls 업데이트: 에이전트 기반 워크로드를 위해 설계된 VPC Service Controls의 새로운 기능은 네트워크 수준의 목적지 기반 경계를 확립하는 데 도움을 줍니다. 자세히 보기
Gemini Spark에서의 버그 헌팅: Gemini Spark는 제미나이 앱에 상시 작동형 에이전트(persistent agent)를 도입합니다. 이 새로운 패러다임에 대한 보안 테스트 접근법과 고영향 버그에 집중하는 방법을 알아보세요. 자세히 보기

이번 달에 발표된 더 많은 보안 관련 소식은 구글 클라우드 블로그를 방문해 확인해 주시기 바랍니다.

aside_block: <ListValue: [StructValue([('title', '구글 클라우드 CISO 커뮤니티에 참여하세요.'), ('body', <wagtail.rich_text.RichText object at 0x7f71bb2c9fd0>), ('btn_text', '자세히 알아보기'), ('href', 'https://rsvp.withgoogle.com/events/google-cloud-ciso-community-interest-form-2026?utm_source=cgc-blog&utm_medium=blog&utm_campaign=FY25-Q1-global-GCP30328-physicalevent-er-dgcsm-parent-CISO-community-2025&utm_content=cisop_&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

위협 인텔리전스 주요 소식

중국 연계 위협 행위자, 다분야 융합 연구를 표적으로 의료계 공격: 구글 위협 인텔리전스 그룹(GTIG)은 북미의 학술, 의료 및 군사 연구 커뮤니티를 표적으로 삼아 1년 이상 탐지되지 않고 진행되어 온 중국(PRC) 연계 위협 행위자 UNC6508의 정교한 캠페인을 식별했습니다. 자세히 보기
샤이니헌터스(ShinyHunters), 오라클 피플소프트 취약점 악용해 교육 부문 겨냥: 맨디언트(Mandiant)와 GTIG는 오라클 피플소프트(Oracle PeopleSoft) 애플리케이션 인프라를 표적으로 하는 UNC6240(샤이니헌터스)의 활발한 침해 및 갈취 캠페인을 식별했습니다. 자세히 보기
시스코 카탈리스트 SD-WAN 매니저(Cisco Catalyst SD-WAN Manager)에서 제로데이 취약점 악용 발견: 맨디언트는 시스코 카탈리스트 SD-WAN의 취약점을 악용하여 침해된 관리자 계정의 권한을 루트(root) 수준 권한으로 상승시키려는 위협 행위자를 식별했습니다. 자세히 보기

이번 달에 발표된 더 많은 위협 인텔리전스 관련 소식은 구글 클라우드 공식 위협 인텔리전스 블로그를 방문해 확인해 주시기 바랍니다.

경계 가드레일을 통한 에이전트형 AI 보안: VPC Service Controls의 새로운 기능

Fri, 26 Jun 2026 18:00:00 +0000

해당 블로그의 원문은 2026년 6월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

기업들이 자율 AI 에이전트를 프로덕션 환경으로 본격 도입함에 따라, 안전한 혁신을 지원하려면 강력한 아키텍처적 가드레일이 필요합니다. AI 에이전트는 다양한 도구와 데이터세트를 가로지르며 연결되므로, 포괄적인 데이터 보호를 위해 명확한 네트워크 수준의 경계를 설정하는 것이 필수적입니다.

조직들이 이러한 워크플로를 안심하고 배포할 수 있도록 지원하기 위해, Google Cloud는 필수적인 네트워크 수준의 목적지 기반 경계를 수립하는 VPC Service Controls(VPC-SC)를 사용할 것을 권장합니다. 오늘 Google Cloud는 에이전트형 워크로드에 특별히 맞춤 설계된 몇 가지 새로운 기능을 발표합니다.

VPC Service Controls의 새로운 기능

AI 보안을 강화하도록 설계된 오늘 발표하는 새로운 기능들은 VPC-SC가 적용하는 경계를 더욱 공고히 해줍니다. 업데이트 내용은 다음과 같습니다.

방향성 규칙에서의 에이전트 식별자(Agent identity in directional rules): 최소 권한 액세스 제어를 엄격히 적용하려면 에이전트를 일급 객체(First-class) 식별자로 처리해야 합니다. 이제 표준 IAM(Identity and Access Management) 주체를 사용하여 서비스 경계 인그레스(Ingress) 및 아웃그레스(Egress) 규칙에 에이전트 식별자(agentic identities)를 직접 추가할 수 있습니다. 단일 주체는 개별 에이전트에 매핑되고, principalSet은 광범위한 에이전트 그룹에 매핑됩니다. principalSet을 통해 관리자는 여러 에이전트 함대(Fleets)에 대해 일관되게 감사가 가능한 액세스 정책을 적용할 수 있습니다. 만약 특정 에이전트가 손상(Compromised)되더라도, 네트워크 경계에서 즉시 액세스 권한을 회수할 수 있습니다.
모델 컨텍스트 프로토콜(MCP) 속성을 통한 세분화된 제어(Granular control with model context protocol (MCP) attributes): MCP가 에이전트형 시스템의 표준 통합 레이어로 자리 잡으면서, 도구(Tool) 레벨에서 정책을 적용할 수 있는 기능이 매우 중요해졌습니다. 이제 VPC Service Controls는 mcp.toolName, mcp.method, mcp.tool.isReadOnly를 포함한 특정 MCP 속성을 기반으로 조건부 액세스 규칙을 지원합니다. 예를 들어, 에이전트에게 Workspace MCP 서버에 대한 읽기 권한을 부여하는 동시에 이메일을 전송하는 도구의 사용은 명시적으로 거부하도록 설정할 수 있습니다.
Gemini Enterprise Agent Platform 보안(Securing the Gemini Enterprise Agent Platform): Gemini Enterprise Agent Platform은 프로덕션 등급의 에이전트 배포를 위한 종합적인 기반을 제공합니다. 이제 VPC Service Controls가 Agent Platform과 기본적으로 통합됩니다. Agent Platform을 VPC-SC 경계 내에서 보호되는 서비스로 포함하면, 시스템이 추가적인 구성 작업 없이 자동으로 Agent Platform 인스턴스로 향하는 모든 공용 인터넷 액세스를 차단하여 안전한 통신 경계를 구축합니다

"Mercado Libre에서 VPC Service Controls는 보안 아키텍처의 필수적이고 기초적인 레이어 역할을 하고 있습니다. 조직 내 수백 개의 Google Cloud 프로젝트 전체에 강력한 경계 보안을 적용함으로써, VPC-SC를 통한 탄탄한 네트워크 레벨의 보안 통제를 수립하고 클라우드 환경 내의 모든 데이터를 완벽히 보호할 수 있게 되었습니다."— Juan Pablo Boschi, Mercado Libre 프로젝트 리드

VPC-SC를 활용한 기업용 AI 보안의 계층적 접근법 정의

자율 에이전트를 보호하려면 계층화된 접근 방식이 필요합니다. 식별 정보, 네트워크, 리소스 제어는 각각 서로 다른 위협 벡터를 대상으로 합니다.

식별 정보 제어(Identity controls): IAM과 PAB(Principal Access Boundaries)는 특정 리소스에 "누가" 접근할 수 있는지에 중점을 둡니다. 에이전트 식별 정보에 대해 엄격한 최소 권한 원칙을 적용함으로써, 자율 워크로드가 특정 목표를 위해 필요한 권한만 가질 수 있도록 지원합니다.
네트워크 제어(Network controls): 차세대 네트워크 방화벽과 VPC Service Controls는 인프라 상단에 강력한 데이터 경계를 구축하여 경계를 넘나드는 정보 흐름을 통제하고 데이터 유출(Data exfiltration)을 방지합니다.
리소스 제어(Resource controls): 조직 정책(Organization Policy) 및 기타 리소스 수준의 가드레일은 리소스가 구성 및 사용되는 방식에 대해 광범위하고 변경 불가능한 제약을 설정하여 위험한 구성을 원천 차단합니다.

식별 정보와 네트워크 제어가 전면 입구를 효과적으로 보호하는 반면, VPC Service Controls는 결정적인 목적지 기반 방어선(Destination-based defense)을 제공합니다. 결과를 확정할 수 없는(확률론적인) 자율 에이전트의 세계에서, VPC-SC는 '누가' 접근하는지뿐만 아니라 에이전트가 네트워크 상에서 '어떻게(how)' 그리고 '어디서(where)' 작동하는지에 초점을 맞추는 통제 방식입니다.

고유한 공격 벡터에 대한 방어

기존 애플리케이션과 달리, AI 에이전트의 입력값은 에이전트가 의도치 않은 명령이나 작업을 수행하도록 부주의하게 유도할 수 있습니다. 프롬프트 주입(Prompt injection), 도구 조작, 혹은 내부자의 악의적인 명령으로 인해 에이전트가 성공적으로 탈취되더라도, VPC Service Controls는 핵심적인 네트워크 안전망(Network safety net) 역할을 합니다.

이 네트워크 경계가 OWASP Top 10 for LLM Applications(실제로는 Agentic Applications용으로 매핑됨)에 정의된 업계 표준 위험에 대해 어떻게 방어하는지 설명하기 위해, VPC Service Controls가 식별 정보 기반 제어를 보완하여 데이터 유출을 차단하는 대표적인 3가지 실제 위협 시나리오를 소개합니다.

간접 프롬프트 주입을 통한 데이터 유출 방지(Exfiltration prevention via indirect prompt injection - OWASP ASI01): 악의적인 행위자가 에이전트에게 내부 데이터를 요약한 다음 비승인 외부 주소로 전송하도록 유도하는 숨겨진 프롬프트를 주입할 수 있습니다. 장악당한 에이전트가 올바른 IAM 권한을 보유하고 있다면 IAM 레벨에서는 이상 징후를 발견할 수 없습니다. 하지만 에이전트가 해당 데이터를 외부 웹훅(Webhook)으로 전송하려고 시도할 때, VPC-SC는 목적지가 정의된 경계 외부에 있기 때문에 API 레이어 전송을 즉시 차단합니다.

도구 오용에 대한 가드레일(Guardrail for tool misuse - OWASP ASI02, ASI08): 프롬프트 탈취는 에이전트가 도구를 악의적으로 체이닝하게 만들 수 있습니다. 예를 들어 내부 디렉터리 데이터를 외부 서비스로 전송하는 경우가 이에 해당합니다. 민감한 자산 주변에 VPC-SC 경계를 설정해 두면, 오작동하는 에이전트가 서로 분리된 신뢰 영역 간에 데이터를 가로지르는 연결 통로를 만들지 못하도록 예방합니다.
내부자 위협 무력화(Neutralizing insider threats - OWASP AS103): 공격자가 데이터 처리 에이전트에게 BigQuery 데이터세트에서 권한이 없는 프로젝트로 클라우드 간 다이렉트 복사(Cloud-to-cloud copy)를 하도록 명령할 수 있습니다. 네트워크 방화벽은 BigQuery로 향하는 정상적인 HTTPS 트래픽으로 보고, IAM 역시 승인된 서비스 계정으로 인식하지만, VPC-SC는 목적지 리소스(Destination resource)를 직접 평가합니다. 목적지 프로젝트가 기업의 보호 경계 외부에 있기 때문에 시스템은 이 API 요청을 즉시 거부합니다.

VPC Service Controls는 에이전트가 유효한 IAM 자격 증명을 가지고 있더라도, 감염된 에이전트로부터의 데이터 유출 시도를 차단하는 경계 역할을 합니다.

자율 에이전트 세상을 위한 데이터 보호

경계 보안은 결정론적인 애플리케이션 및 워크로드 중심 시대의 권장 모범 사례에서 자율 AI 에이전트 시대의 절대적인 요구사항으로 발전했습니다. VPC-SC는 IAM 단독으로는 통제하기 어려운 데이터의 실제 이동에 대해 핵심적인 통제력을 제공합니다.

에이전트가 프롬프트를 코드로 해석하는 시대에 VPC-SC는 기업 데이터를 위한 필수 안전망이 됩니다. IAM의 매핑 역량과 VPC-SC의 견고한 데이터 경계를 함께 활용하면, 기업은 데이터 유출 우려를 불식시키면서도 AI 에이전트 중심의 혁신적인 환경을 안전하게 구축할 수 있습니다.

더 자세한 내용은 여기에서 VPC-SC 리소스를 살펴보실 수 있습니다.

검증 가능하고 안전한 기밀 AI: 구글 클라우드, 기밀 컴퓨팅(Confidential Computing)의 지평을 넓히다

Tue, 23 Jun 2026 16:00:00 +0000

해당 블로그의 원문은 2026년 6월 24일 Google Cloud 블로그(영문)에 게재되었습니다.

AI와 함께 사용되는 민감한 데이터를 보호하는 것은 선진적이고 안전한 클라우드 인프라를 제공하겠다는 구글 클라우드의 약속에서 중요한 부분입니다. 기밀 컴퓨팅(Confidential Computing)은 하드웨어 기반의 신뢰 실행 환경(TEE) 내에서 검증 가능한 데이터 무결성을 바탕으로 사용 중인 데이터를 암호학적으로 보호합니다.

우리는 클라우드 AI 배포에서 검증 가능한 프라이버시를 더욱 강화하는 데 기여할 하드웨어 생태계 전반의 최신 기밀 컴퓨팅(Confidential Computing) 혁신 기술들을 공유하게 되어 매우 기쁩니다.

글로벌 규모의 기밀 AI

기밀 AI 역량을 글로벌 규모로 확장함으로써, 우리는 AI 추론 및 파인튜닝(미세 조정) 워크로드가 강제력 있는 프라이버시 보장 하에 실행될 수 있도록 지원합니다.

기밀 AI의 대중화: 프리뷰 단계의 NVIDIA RTX PRO 6000 Blackwell GPU 탑재 기밀 G4 VM

우리는 글로벌 규모에서 접근 가능한 기밀 AI의 기념비적인 순간을 발표하게 되어 기쁘게 생각합니다. 바로 NVIDIA RTX NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs를 특징으로 하는 가속기 최적화 G4 머신 시리즈 기반의 기밀 VM(Confidential VMs) 및 기밀 GKE(Confidential GKE) 노드입니다.

이를 게임 체인저로 만드는 것은 바로 글로벌 규모와 유연성입니다. 기밀 G4는 표준 G4가 제공되는 모든 구글 클라우드 리전에서 사용할 수 있으며, 온디맨드(On Demand), 예약(Reservations), DWS 플렉스 스타트(DWS Flex Start), 스팟/선점형(Spot/Preemptible)을 포함한 다수의 사용 모델 전반에서 가용합니다.

"조직이 여러 인프라 환경에 걸쳐 AI를 확장함에 따라, 데이터 및 실행에 대한 프라이버시와 통제권을 유지하는 것은 점점 더 어려워지고 있습니다. NVIDIA RTX PRO 6000 Blackwell GPU로 구동되는 구글 클라우드 기밀 G4 VM은 확장되는 기밀 AI 인프라 생태계에 매우 의미 있는 추가 모델입니다. AI 워크플로우가 이제 에이전트, 데이터 소스 및 인프라 경계를 넘나들고 있는 만큼, Super Protocol은 구글 클라우드 기밀 VM, 타사 클라우드 및 온프레미스 환경 전반에 걸쳐 일관된 기밀 AI 운영 모델을 제공합니다. 이는 기밀 컴퓨팅의 복잡성을 추상화하여 개발 팀이 오직 AI 성과에만 집중할 수 있도록 돕습니다." - 율리아 곤타르(Yulia Gontar), Super Protocol COO.

AMD SEV를 레버리징하는 5세대 AMD EPYC Turin CPU로 구동되는, NVIDIA RTX PRO 6000 Blackwell GPU 탑재 G4 머신 시리즈는 강력한 하드웨어 기반 보안을 활성화합니다. 이 아키텍처는 TEE 내부에서 처리되는 동안 민감한 데이터를 안전하게 보호하는 동시에, CPU와 GPU 사이를 이동하는 데이터까지 철저히 암호화합니다.

"구글 클라우드 플랫폼(GCP)의 기밀 G4 VM은 Vertebrae의 비즈니스를 위한 당연한 선택이었습니다. 우리 고객들에게 프라이버시와 보안은 결코 타협할 수 없는 절대 조건이기 때문입니다. 우리의 제품은 민감한 업무상 대화를 처리하므로, CPU와 GPU 모두가 신뢰 실행 환경(TEE) 내에서 구동되고 있음을 보여주는 하드웨어 서명 증명(hardware-signed attestation)을 지원해야 합니다. 구글 클라우드의 기밀 컴퓨팅을 도입함으로써, 우리는 클라우드 환경 내 AI 프라이버시의 최전선을 실현할 수 있게 되었습니다." - 앤디 친(Andy Qin), Vertebrae CEO.

기밀 G4를 통해, 여러분은 성능 저하를 최소화하면서 극도의 고강도 제한 데이터, 민감한 모델, 혹은 프라이빗 프롬프트가 개입된 AI 추론, 파인튜닝, HPC(고성능 컴퓨팅) 및 다양한 사용 사례들의 잠재력을 마음껏 실현할 수 있습니다. 지금 바로 Confidential G4 VMs 및 Confidential G4 GKE Nodes를 시작해 보세요.

엔드투엔드 프라이빗 추론의 구현: 오픈소스 프롬프트 암호화 SDK

기밀 AI의 접근성을 높여가는 와중에도, 우리는 AI 워크로드 내 민감한 데이터를 보호하는 것이 단순히 모델 실행 환경의 안전을 확보하는 차원을 넘어선다는 점을 잘 이해하고 있습니다. 프롬프트와 이에 대한 답변 그 자체만으로도 극도의 기밀 정보가 포함될 수 있기 때문입니다. 전체 추론 라이프사이클에 대한 암호학적 보호를 제공하기 위해, 우리는 이제 GitHub에서 사용 가능한 프롬프트 암호화 SDK(Prompt Encryption SDKs)의 오픈소스 출시를 발표하게 되어 매우 기쁩니다.

이 툴킷은 여러분이 AI 추론 워크로드를 위한 엔드투엔드 보안 채널을 확립할 수 있도록 돕습니다. 프롬프트가 클라이언트를 떠나는 순간부터 TEE 내부에서 처리될 때까지 암호학적으로 완벽히 보호되며, 모델의 답변 또한 클라이언트로 되돌아오는 전체 경로 동안 이와 동일하게 안전하게 보호됩니다.

프롬프트 암호화 SDK를 활용한 프롬프트 및 답변 암호화

Client SDK는 클라이언트 애플리케이션에 통합되며, TEE(신뢰 실행 환경)에서 실행되는 추론 서버에 통합된 Server SDK와 협력하여 작동합니다. SDK를 사용하여 인증된(attested) TLS 세션이 수립되면, 클라이언트는 서버가 검증된 기밀 컴퓨팅(Confidential Computing) 환경 내에서 승인된 워크로드를 실행하고 있음을 확신할 수 있습니다.

이후 클라이언트 앱은 이 서버만이 TEE 내부에서 프롬프트를 복호화하고 처리할 수 있음을 인지한 상태에서 암호화된 프롬프트를 추론 서버로 전송할 수 있습니다. 서버에 답변이 준비되면, 동일한 암호화 채널을 통해 클라이언트 앱으로 답변을 다시 전송합니다.

지금 바로 GitHub 저장소 및 Codelab을 통해 시작하실 수 있습니다.

구글 클라우드 기반의 애플 비공개 클라우드 컴퓨팅(PCC) 구현

프라이버시 보호에 대한 구글의 약속은 구글 클라우드 상에서 비공개 클라우드 컴퓨팅(PCC)을 확장하기 위한 애플과의 협업을 통해 깊이 있게 입증되고 있습니다.

구글은 애플의 프라이버시 및 보안 약속을 구글 클라우드 기반 PCC로 확장하기 위해 애플과 협력하게 된 것을 자랑스럽게 생각합니다. 구글 플랫폼은 구글 클라우드 인프라 상에 구축된 다층적 보안 접근 방식을 통해 애플 PCC의 프라이버시 약속을 지원합니다. 여기에는 Intel TDX가 포함된 구글 클라우드 기밀 컴퓨팅, NVIDIA Blackwell GPU가 적용된 NVIDIA 기밀 컴퓨팅(NVIDIA Confidential Computing), Titan 칩이 탑재된 구글의 타이타늄(Titanium) 보안 아키텍처 활용, 그리고 검증 가능한 투명성을 보장하기 위해 공동 엔지니어링된 오픈소스 호스트 스택이 포함됩니다.

이러한 기술들이 유기적으로 결합되어 구글 클라우드 상의 애플 PCC가 데이터 보호 및 사용자 프라이버시에 대한 엄격한 요구 사항을 충족하도록 돕습니다. 이번 협업에 대해 자세히 알아보려면 구글의 블로그 포스트인 기밀 AI의 차세대 시대를 열다(Powering the next era of Confidential AI)를 읽어보시기 바랍니다.

기밀 인프라의 고도화

구글 클라우드는 기밀 컴퓨팅(Confidential Computing) 기능을 전사 인프라에 걸쳐 폭넓게 지원하기 위해 최선을 다하고 있습니다. 구글의 목표는 하드웨어 기반 보안 기능을 핵심 컴퓨팅 오퍼링에 긴밀하게 통합하여, 고객이 성능 저하나 운영 유연성 타협 없이 데이터 보호 수준을 한층 강화할 수 있도록 돕는 것입니다.

C4 머신 시리즈에 인텔 신뢰 도메인 확장(Intel TDX) 기술 도입

C4 머신 시리즈 기반의 인텔 TDX 적용 기밀 VM(Confidential VMs)이 곧 프리뷰 단계로 출시될 예정입니다.

최신 6세대 인텔 제온(Intel Xeon) 프로세서로 구동되는 이번 통합 모델은 데이터 집약적인 워크로드를 위해 컴퓨팅 집적도 및 성능 면에서 비약적인 도약을 이뤄냈습니다. 인텔 TDX를 활용함으로써, C4 인스턴스는 기반 호스트 및 하이퍼바이저로부터 민감한 애플리케이션과 데이터를 안전하게 격리 및 보호하는 하드웨어 격리형 신뢰 도메(Trust Domains, TDs)를 생성합니다.

이 아키텍처는 기밀성과 프라이버시를 보장하는 동시에 원격 증명(remote attestation) 기능을 활성화하므로, 민감한 데이터를 처리하기 전에 해당 하드웨어 환경을 암호학적으로 검증할 수 있습니다. 무엇보다도 코드 수정 없이 단 몇 번의 클릭만으로 기밀 컴퓨팅 기능을 손쉽게 활성화할 수 있습니다.

라이브 마이그레이션(Live Migration) 기능 확장

비즈니스에 치명적인 미션 크리티컬 프로덕션 환경을 가동하기 위해서는 클라우드의 정기 유지 보수 기간 중에도 고가용성(High Availability)과 상시 무중단 구동(Continuous Uptime)이 필수적으로 요구됩니다.

C3D 기반 기밀 VM의 라이브 마이그레이션(Live Migration) 기능이 정식 버전(GA)으로 출시되었습니다. 이 기능을 통해 구글 클라우드는 실행 중인 워크로드를 중단하거나 암호화된 게스트 메모리를 외부로 노출하지 않은 채 예정된 하드웨어 유지 보수 작업을 안전하게 수행할 수 있으며, 장시간 가동되는 소버린 애플리케이션의 원활한 무중단 운영을 보장합니다.

신뢰와 협업의 강화: 기밀 공간(Confidential Space)의 혁신

기밀 공간(Confidential Space)은 안전한 다자간 컴퓨팅(multi-party computation) 및 데이터 공유를 지원하기 위해 정교하게 설계된 기밀 컴퓨팅 환경입니다. 이를 통해 여러 기업 및 기관은 서로 데이터를 직접 노출하거나 구글 클라우드에 데이터를 투명하게 노출하지 않고도, 공동 머신러닝 모델 학습이나 정밀 데이터 분석 등 민감한 데이터 중심의 긴밀한 협업을 안전하게 수행할 수 있습니다.

"구글 클라우드 기밀 공간(Confidential Space) 덕분에 우리는 금융 기관 고객에게 기존 온프레미스 서비스와 유사하거나 그보다 뛰어난 철저한 보안 보증을 약속할 수 있게 되었습니다." - 올리비에 리쇼(Olivier Richaud), Symphony 플랫폼 및 사이트 신뢰성 엔지니어링(SRE) 부사장. "이처럼 보안 및 프라이버시에 극도로 민감한 고객을 클라우드 기반 SaaS 서비스로 전환하는 것은 기밀 컴퓨팅의 혁신이 없었다면 결코 불가능했을 일입니다."

기밀 공간의 핵심 설계 사상은 워크로드 운영자(시스템 관리자)를 신뢰 경계(trust boundary)에서 완전히 분리 배제하여, 오직 정식으로 권한이 부여되고 무결성이 검증된(attested) 워크로드만이 해당 데이터에 접근할 수 있도록 하는 강력한 암호학적 보증을 수여하는 데 있습니다.

"금융 서비스 분야에서 AI 시스템이 소비자를 대행하여 의사를 결정하는 사례가 늘어남에 따라, 데이터가 처리되는 환경 전반에 대한 신뢰 확보는 무엇보다 중요한 화두입니다. Sahamati는 구글 클라우드 기밀 공간을 인도의 오픈 파이낸스 생태계 내에서 프라이버시를 완벽히 보호하는 차세대 AI를 구현하는 중대한 기반 기술로 보고 있으며, 이를 통해 강력한 보안 및 책임 규제 준수를 보장하는 혁신적인 신뢰 관계를 형성하고 있습니다." - 키란 고피나스(Kiran Gopinath), Sahamati Labs 최고혁신책임자(CIO) 겸 총괄.

기밀 공간을 위해 도입된 구글의 새로운 기술 진보는 더욱 강화된 유연성과 강력한 보안 보증을 약속합니다. 주요 업데이트 내용은 다음과 같습니다:

독립적인 제3기관 검증: 인텔 트러스트 어쏘리티(Intel Trust Authority)와의 통합

인텔 트러스트 어쏘리티(Intel Trust Authority)(ITA)가 기밀 공간(Confidential Space)을 위한 독립적인 인증 검증(attestation verifier) 서비스로 정식 출시(GA)되었음을 기쁘게 발표합니다.

이번 서비스 통합을 통해 여러 기관 및 기업들은 기밀 워크로드에 암호화 키를 공개하기 전에 인텔의 하드웨어 신뢰 기준점(Root of trust) 기반 인증을 활용하여 기밀 공간 환경의 무결성을 독립적으로 사전 검사 및 검증할 수 있게 되었습니다. 클라우드 서비스 제공사로부터 기밀성 증명 분석 과정을 물리적으로 분리 독립시킴으로써, 고객은 한층 극대화된 투명성, 확실한 보안 보증, 그리고 더욱 강력해진 제3자 신뢰 모델의 혜택을 톡톡히 누릴 수 있습니다.

"기밀 컴퓨팅이 구글 핵심 인프라와 결합됨에 따라 구글 클라우드와 인텔은 하드웨어 신뢰 기준점 보안 및 독립적인 증명 과정을 현대 클라우드 컴퓨팅 환경의 기본 필수 아키텍처로 정비해 가고 있습니다. 프로덕션 워크로드가 실행되는 인텔 TDX 기반 C4 기밀 VM에서부터 이제 정식 출시되어 강력한 다자간 데이터 협업을 촉진하는 인텔 트러스트 어쏘리티 기반 기밀 공간에 이르기까지, 고객들은 규제 기준이 가장 혹독하고 까다로운 환경 속에서도 애플리케이션 코드를 수정하거나 가동 성능 저하 없이 가장 민감한 고성능 AI 및 데이터 워크플로우를 암호화, 검증 및 자율 확장할 수 있습니다." - 아난드 파슈파시(Anand Pashupathy), 인텔 코포레이션 인텔 제품 보증 및 보안(IPAS) 총괄 매니저 겸 부사장.

안전한 협업 가속화: H100 GPU를 지원하는 기밀 공간

안전한 다자간 AI 및 머신러닝 개발을 지원하기 위해, NVIDIA Hopper GPU를 지원하는 기밀 공간의 구동 환경이 정식 출시되었습니다. 이를 통해 여러 파트너들은 강력한 Hopper GPU의 가속 성능을 가동하는 기밀 공간 환경 내에서 안심하고 자사 데이터를 취합해 AI 모델 훈련 및 추론 워크로드를 수행하는 동시에, 개별 원시 데이터가 타사 파트너나 구글 클라우드에 투명하게 유출되는 것을 차단할 수 있습니다.

기밀 공간은 데이터 센터를 임의로 통합하거나 데이터를 중앙 집중식으로 모으지 않고도, 민감한 데이터 세트 전반에 걸친 연합 학습(Federated Learning) 및 다자간 공동 모델 구축과 같은 혁신적인 사용 사례를 안전하게 실현합니다.

"구글 클라우드 기밀 공간의 기밀 GPU 지원 기능은 안전한 AI 도입을 가로막던 가장 큰 장애물, 즉 민감한 워크로드 보호와 프로덕션 수준의 고성능 확보 간의 제약적인 타협점을 완벽히 소멸시켰습니다." - 아디 히르슈타인(Adi Hirschtein), Duality 제품 부문 부사장. "이를 통해 헬스케어, 금융 서비스, 정부 공공 기관에 종사하는 Duality 고객들은 대규모 민감 데이터 위에서 작동하는 연합 학습, 기밀 AI, 그리고 암호화된 RAG(검색 증강 생성) 워크플로우를 완벽한 데이터·모델 격리 가드레일 속에서 끊김 없이 마음껏 구동할 수 있습니다."

앞으로 나아갈 길

기밀 컴퓨팅은 다가올 AI 시대의 클라우드 컴퓨팅에서 결코 배제할 수 없는 가장 핵심적인 필수 인프라 레이어로 부상하고 있습니다. 구글이 야심 차게 진화시키고 있는 다양한 기밀 VM 포트폴리오, 혁신 가속 하드웨어 채널, 그리고 검증된 오픈소스 툴킷을 지금 바로 탐색해 보시고, 귀사 내부 조직에서 안전한 다자간 데이터 협업과 한층 프라이빗한 AI 기술 혁신 청사진을 완성해 보시기 바랍니다.

기술에 대해 보다 자세히 알아보고 싶으시다면, 2026년 6월 23일과 24일에 개최된 기밀 컴퓨팅 서밋(Confidential Computing Summit)을 통해 구글 클라우드가 제안하는 기밀 AI의 미래를 직접 확인해 보세요!

Cloud CISO Perspectives: AI 위협 방어(AI Threat Defense) 구축을 이끈 4가지 핵심 교훈

Mon, 15 Jun 2026 16:00:00 +0000

해당 블로그의 원문은 2026년 6월 16일 Google Cloud 블로그(영문)에 게재되었습니다.

2026년 6월의 첫 번째 Cloud CISO Perspectives에 오신 것을 환영합니다. 오늘 이 자리를 통해 제가 구글 클라우드의 신임 CISO로서 여러분께 첫인사를 건네게 되어 매우 영광입니다. 이번 뉴스레터에서는 구글이 자동화된 상시 보안 시스템인 'AI Threat Defense(AI 위협 방어)'를 설계하고 구현하는 과정에서, 방어자에게 유리하도록 AI 기술을 무기화하며 터득한 4가지 핵심 교훈을 여러분과 나누고자 합니다.

핵심 리스크 보안 인사이트와 구글 클라우드의 최신 연구 자료를 담은 이사회 전용 통찰력 허브를 방문하고 싶으시다면 여기를 클릭해 주시기 바라며, 이메일 뉴스레터 구독은 여기에서 신청하실 수 있습니다.

aside_block: <ListValue: [StructValue([('title', '구글 클라우드와 함께하는 사이버 보안 인사이트'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbbf6670>), ('btn_text', '허브 방문하기'), ('href', 'https://cloud.google.com/solutions/security/board-of-directors?utm_source=cgc-site&utm_medium=et&utm_campaign=FY26-Q2-GLOBAL-GCP39634-email-dl-dgcsm-CISOP-NL-177159&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

Cloud CISO Perspectives: AI 위협 방어(AI Threat Defense) 구축을 이끈 4가지 핵심 교훈

Chris Betz, 구글 클라우드 CISO

Chris Betz, 구글 클라우드 CISO

불과 1년 전만 해도 유능한 애플리케이션 보안 팀이 수천 개의 소프트웨어 취약점을 찾아내려면 수개월에서 수년의 시간이 걸렸습니다. 그러나 오늘날 다중 AI 모델(Multiple AI models)을 장착한 보안 팀은 단 몇 시간, 혹은 몇 분 만에 동일한 수의 취약점을 식별해 냅니다. AI가 사이버 보안의 규칙을 완전히 새로 쓰고 있는 것입니다.

실제로 AI는 공격자들에게 강력한 힘을 실어주었습니다. 전에 없던 정교함과 엄청난 규모, 신속한 침투 속도를 지닌 신종 위협 행위자와 새로운 공격 기법들이 대거 등장했으며, 우리가 보호해야 할 공격 표면(Attack surface) 역시 비약적으로 넓어졌습니다. AI를 무기화한 해커들은 단순 소스 코드 분석을 넘어 설정 오류(Configuration), 바이너리 파일, 그리고 임베디드 펌웨어까지 정밀 타격하며 새로운 제로데이(Zero-day) 익스플로잇을 자율적으로 개발해 내고 있습니다.

하지만 AI는 방어자들에게도 강력하고 절대적인 우위를 선사했습니다. 우리 역시 공격자들과 동일한 고성능 AI 무기를 손에 쥐었을 뿐만 아니라, 공격자들에게는 결여되어 있는 '기업의 비즈니스 아키텍처 맥락(Business context)' 전체를 완벽하게 파악하고 있다는 치명적인 아군만의 강점을 가지고 있기 때문입니다. 소프트웨어 보안, 특히 취약점을 찾고 패치하는 수명 주기 전반은 이제 완전히 혁명적인 변화를 맞이하고 있습니다.

보안 환경이 급변함에 따라 우리 모두 이에 대응하는 혁신을 요구받고 있습니다. 오늘날 우리가 이 작업에 어떻게 접근하고 있는지, 그리고 그 과정에서 얻은 몇 가지 교훈을 소개합니다.

이제 기업의 의사결정권자들과 CISO들은 과거의 구태의연한 수동 방어 체계에서 벗어나야 합니다. 기계의 속도로 밀려오는 자동화된 공격을 격퇴하기 위해, 'AI 네이티브(AI-native)', '에이전트 중심(Agentic)', 그리고 '개방형(Open)' 방어 전략을 중심으로 취약점 관리 체계를 전면 대수술하는 것이 오늘날 비즈니스 생존의 새로운 명령입니다.

구글은 내부 취약점 사냥을 자동화하여 보안 분석가들이 수면을 취할 수 있도록 지원하는 사내 프로젝트 '프로젝트 냅타임(Project Naptime)'부터, 자율형 제로데이 취약점 추적 에이전트 '빅 슬립(Big Sleep)', 그리고 AI 기반 자동 패치 도구인 '코드멘더(CodeMender)'에 이르기까지 모든 고객의 보안 역량 향상을 위해 오랜 시간 AI 기술 혁신을 선도해 왔습니다.

구글의 모든 보안 제품과 서비스는 "유기적인 단일화된 접근 방식이 구글 규모(Google-scale)의 방대한 인프라를 가장 확실하게 보호한다"는 믿음 아래 작동합니다. 구글은 이 실전적 프레임워크를 기반으로 AI 위협 방어(AI Threat Defense)를 정립했으며, 그 핵심은 결국 다음의 두 가지 본질로 귀결됩니다.

지속적으로 진화하는 최첨단 AI 기술을 아군의 방어 전선에 탑재하는 것
소프트웨어를 개발하고 배포하는 근본적인 체질 자체를 바닥에서부터 혁신하는 것

구글의 실제 경험과 뼈아픈 교훈을 바탕으로 구축한 4단계 AI 보안 강화 프레임워크는 다음과 같습니다.

4가지 핵심 교훈

우리의 작업은 우리가 배운 내용을 직접 토대로 구성된 4단계 프레임워크를 기반으로 구축되었습니다.

Prepare (준비): 구글이 여정을 시작한 방법 — 우리의 기반을 강화하고 프레임워크를 운영화하는 것입니다.
Scan and prioritize (스캔 및 우선순위 지정): 우리가 취약점을 식별한 방법 — 심층 분석 및 보안 태세 검증을 수행하는 것입니다.
Remediate (조치): 조치 과정에서 우리가 배운 것 — 취약점을 자율적으로 검증하고 빠르게 패치하는 워크플로우를 구현하는 것입니다.
Monitor (모니터링): AI 에이전트를 통해 모니터링을 발전시킨 방법 — 지속적인 탐지 및 능동적 대응 플레이북으로 전환하는 것입니다.

1 단계 - Prepare (준비): 현대의 기업은 엄청난 양의 소프트웨어 위에서 구동되며, 구글의 경우 그 양은 훨씬 더 방대합니다. 우리는 신속하게 움직이기 위해 집중할 필요가 있었고, 따라서 우리의 첫 번째 교훈은 공격 표면(attack surface)을 줄이는 것이었습니다. 이를 통해 우리는 초점을 좁히고, 복잡성을 줄이며, 소프트웨어 공급망 및 종속성(dependencies)에 대해 우리가 가진 인사이트를 활용하여 외부 인터페이스의 우선순위를 지정하고 보호할 수 있었습니다.

둘째로, 우리는 취약점 작업을 지원하는 운영 프레임워크에 투자했습니다. 초기 실험을 통해 환경에 대한 지식을 적용하고, 스캐닝을 위한 리소스를 보호 및 배정하며, 새로운 기능들을 여러 팀이 반복 개발하고 사용할 수 있도록 지원하는 확장 프레임워크가 얼마나 가치 있는지 빠르게 깨달았습니다. 우수한 정보, 코드 액세스 권한, 종속성 그래프, 토큰 예산(token budgets), 그리고 인프라가 제공하는 증폭력은 마찰을 완화하는 핵심 요인입니다.

셋째로, 우리는 보안 작업과 엔지니어링 작업을 병행하여 계획했습니다. 특히 회복 탄력성(resiliency) 및 배포 프로세스와 유기적으로 일치시키기 위해서는 엔지니어링 파트너들과의 공조가 매우 중요합니다.

구글 클라우드 CISO 크리스 베츠가 수십억 명의 사용자를 취약점으로부터 보호하기 위해 LLM을 활용하는 방법

핵심 교훈은 다음과 같습니다:

스캔을 진행할 때, 탐색된 구성 요소에 활용한 AI 모델, 검증 하네스(harness), 그리고 식별된 취약점 이슈를 정밀하게 태깅(tagging)하여 이력을 남기는 것.
취약점 분석, 수정안 개발, 빌드 및 테스트 과정에 사용될 하드웨어 컴퓨팅 자원과 LLM 토큰 예산을 부서별로 체계적으로 격리 및 할당하는 것.
시스템 변경으로 인한 리스크를 대폭 낮추기 위해, 대규모 일괄 배포 방식 대신 우수한 점진적 롤아웃(rollout) 계획을 수립하고, 더 작고 빈번한 업데이트 방식으로 전환하여 전체 변경 규모와 개발자 리소스를 효율적으로 관리하는 것.

2단계 - 스캔 및 우선순위 지정 (Scan and prioritize): 구글은 검색(Search), 광고(Ads), 안드로이드(Android), 크롬(Chrome), 구글 클라우드(Google Cloud) 등 수만 개의 패키지로 이루어진 모든 서비스 코드를 실시간으로 연속 스캔하고 있습니다.

첫째, 우리는 스캐닝을 본격적으로 가동하고 동일한 도구들을 파이프라인에 통합하며 진행 상황을 중앙에서 일관되게 추적했습니다. 우리는 특정 제품에 정통한 일류 전문가, 정교한 검증 하네스(harness), 그리고 고성능 AI 모델의 유기적인 결합이 있을 때 비로소 최고의 스캐닝 성과가 도출된다는 점을 여정의 극초기에 깨달았습니다. 이 세 요소의 조합은 극도로 중요하며, 이 중 단 하나라도 결여된다면 그 결과물은 확연하게 차이를 보일 것입니다.

만약 단 두 가지만 선택해야 하는 상황이라면, 우리는 전문가의 경험과 하네스를 고를 것을 추천합니다. 성능이 다소 떨어지는 모델이라도 훌륭한 하네스와 뛰어난 전문가가 결합한다면, 정교한 하네스나 유능한 전문가 없이 구동되는 세계 최고 성능의 모델보다 훨씬 더 강력한 힘을 발휘합니다. 또한 단일 모델에 의존하기보다 둘 이상의 모델을 함께 활용할 것을 제안합니다.

보안 데이터를 철저히 추적하고 끊임없이 보완해 나가는 것 역시 중요합니다. 기술이 눈부신 속도로 발전하고 있기 때문에, 기존 프로세스를 지속해서 검토하고 정밀하게 미세 조정(refine)하기 위해서는 축적된 데이터가 핵심적인 역할을 담당합니다.

둘째로, 소프트웨어 공급망을 면밀히 검토하고 주요 공급업체들과 긴밀하게 협력하십시오. 취약점을 패치할 때 해당 결함이 실제 실행 경로 상에서 노출되어 있는지(Reachability) 여부는 작업을 효율화하고 단순화하는 것만큼이나 여전히 가장 중대한 패치 기준으로 작용합니다.

셋째로, 무수히 많은 취약점이 나타날 수 있기 때문에 이들의 우선순위를 지정할 수 있는 올바른 방법론을 갖추는 것이 중요합니다. 일반적으로 새로운 변경 사항을 배포할 때는 예기치 못한 영향을 최소화하기 위해 영향 반경(blast radius)이 가장 작은 곳부터 우선적으로 적용하여 점진적인 변화를 만들어갑니다. 하지만 보안 패치에 있어서만큼은 이 모델을 정반대로 뒤집을 것을 권장합니다. 즉, 가장 어렵고 까다로운 문제를 먼저 해결할 수 있도록 영향 반경이 가장 큰 기초 코드(foundational code)부터 시작하십시오.

AI 모델은 정확성을 신속하게 검증하기 위한 개념 증명(proof-of-concept, PoC) 공격 코드를 훌륭하게 개발해 낼 수 있습니다. 검증 하네스(harness)와 AI 모델은 오탐률(false positive rate)을 낮추는 데 매우 중요한 역할을 담당합니다. 하네스가 유효성 검증(validation)을 수행하도록 조정하고, 다른 에이전트나 모델을 활용하여 그 결과를 교차 검증하는 것 모두 대단히 가치 있는 전략입니다.

AI 기반의 경보 분류(triage)에서 확보해야 할 또 다른 핵심 요인은 하네스와 보안 도구들을 활용해 취약점의 '심각도(severity)'뿐만 아니라 '신뢰도(confidence)'를 함께 산출해 명시하는 것입니다. 물론, 수정 패치를 개발하는 것은 전체 문제 해결 과정의 일부분에 불과합니다.

3단계 - 조치 및 패치 (Remediate): 구글 규모에서 취약점을 해결하는 것은 전략의 근본적인 전환을 필요로 했습니다. 우리는 세 가지 교훈을 중심으로 한 새로운 접근 방식을 개발했습니다.

첫째, 패치를 배포하는 방식이 중요합니다. 우리는 외부에서 접근 가능하고 영향 반경(blast radius)이 가장 큰 코드를 우선시하는 위험 기반 접근 방식을 채택했습니다. 여기에는 BoringSSL 및 gVisor와 같은 중요한 애플리케이션이 포함됩니다. 또한 모델에 맥락(context)을 제공하는 것이 더 빠르고 신뢰할 수 있는 조치(remediation)의 핵심이라는 점을 배웠습니다.

둘째, 우리는 추적할 수 없는 것은 고칠 수 없다는 점을 배웠습니다. 대규모로 조치를 관리하기 위해, 우리는 발견부터 해결까지 모든 취약점을 추적하는 중앙 시스템을 구축하고 모든 발견 사항을 중앙 리포지토리에 라벨링했습니다. 이 단일 진실 공급원(single source of truth)을 통해 우리는 패치에 대한 서비스 수준 목표(SLO)를 강제할 수 있었고, 인간의 검토를 거치는 지속적인 자율 패치를 배포할 수 있었습니다. 강력한 롤백 기능과 결합하여, 우리 팀은 문제를 빠르고 안전하게 해결하는 데 더욱 능숙해졌습니다.

마지막으로, 우리는 시스템에 회복 탄력성(resilience)을 직접 내재화하는 법을 배웠습니다. 최종 목표는 취약점 패치도 수행할 수 있는 본질적으로 회복 탄력적인 시스템을 만드는 것이지, 그 반대가 아니었습니다. 우리는 단순히 코드를 고치는 것에 그치지 않고, 그 주변의 시스템 전체를 강화합니다.

이러한 변화는 우리가 3-R 전략인 갱신(Refresh), 제거(Remove), 재작성(Rewrite)을 통해 오픈소스 소프트웨어의 보안을 확보하는 접근 방식을 재고하는 데 도움이 되었습니다.

첫째, 우리는 기초가 되는 부분을 갱신(refresh)합니다. 즉, 코드 내의 취약점을 찾고 해결합니다. 이는 훌륭한 네트워크 시민이 되고 핵심을 보호하는 것에 관한 것입니다.
둘째, 우리는 주변부에 해당하는 부분을 제거(remove)합니다. 우리는 종속성(dependencies)을 제거하고 이를 맞춤형 코드로 대체하고 있습니다. 이는 효율성 향상과 공격 표면(attack surface) 축소 모두에 해당하며, 넓은 신뢰 기반에서 좁고 통제된 신뢰 기반으로 이동하는 것입니다.
셋째, 우리는 중대한 부분을 재작성(rewrite)합니다. 그 중간에 있는 모든 것에 대해, 우리는 레거시 로직과 핵심 기능을 현대적인 메모리 안전(memory-safe) 언어로 전환하고 있으며, AI를 활용해 이 전환을 자동화함으로써 해당 소프트웨어에서 특정 취약점 클래스 자체를 완전히 소멸시키고 있습니다.

이러한 진화는 복잡성을 줄이고, 공격 표면을 축소하며, 우리가 하는 모든 일에 대해 더 회복 탄력적이고 자율적이며 기본 설계부터 안전한(secure-by-design) 토대를 구축하기 위한 의도적인 접근 방식입니다.

4단계 - 모니터링 및 피드백 (Monitor): 우리의 작업은 거기서 멈추지 않으며, 여러분의 작업 역시 마찬가지여야 합니다. 보안 지형은 항상 변화하고 있으며, 모니터링 단계는 우리가 안전을 유지하고 시간이 지남에 따라 더 강해지도록 보장하는 영구적인 피드백 루프를 생성함으로써 우리의 접근 방식이 실시간으로 살아 움직이게 만드는 영역입니다.

우리는 이 단계에서 세 가지 핵심 교훈을 얻었습니다. 첫째, 보안은 지속적인 피드백 루프를 요구합니다. 우리는 시스템 부하(system strain)와 취약점 집중 지점(vulnerability hotspots)이라는 두 가지 요소를 기준으로 전체 생태계를 모니터링하는 피드백 루프를 구축했습니다.

둘째, 우리는 장기적인 취약점 조치 건전성(remediation health)을 추적하는 데 투자했습니다. 측정할 수 있는 것만 개선할 수 있습니다. 우리는 전반적인 보안 태세와 조치 노력의 완결성을 추적하기 위해 종합적인 자산 인벤토리(asset inventory)를 구축했습니다. 바로 이 지점에서 우리는 취약점 관리를 위해 제품 수준의 SLO를 준수하며 스스로에게 책임을 묻습니다.

이 시스템을 통해 우리는 데이터 센터 하드웨어까지 끊임없이 업데이트할 수 있는 롤링 패치(rolling patches)를 배포하고, 인간 팀이 도저히 감당할 수 없는 규모로 패치 효능을 검증하기 위해 AI 에이전트를 가동할 수 있습니다.

셋째, 우리는 코딩과 모니터링 모두에 AI 에이전트를 활용하여 미래를 계획했습니다. 어느 시점에는 공격자의 모델이 더 발전할 것이라고 가정해야 합니다. 우리는 이에 맞추어 운영 모델을 진화시키고 그러한 현실에 대비해 시스템을 구축해야 합니다.

우리는 대응 플레이북을 자동화하고 표준화하기 위해 AI 에이전트를 사용하여, 문제가 발견되었을 때 즉각적으로 침해를 격리(containment)할 수 있도록 합니다. 우리는 단순히 버그를 찾는 것을 넘어 핵심 라이브러리를 제미나이(Gemini)에 학습시켜 모델의 패턴 인식 기능을 향상시킴으로써, 보안을 스스로 인식하는 코딩 에이전트(security-aware coding agents)를 만들어 냅니다. 한편, AI의 지원을 받는 우리의 레드팀(red teamers)은 핵심 인프라를 지속적으로 스트레스 테스트하여 우리의 방어선이 항상 진화하도록 보장합니다.

이러한 상시 모니터링의 결과물은 우리가 신뢰할 수 있고 측정 가능한 살아있는 보안 프로그램입니다.

이것이 바로 우리가 매일 수십억 명의 사용자를 보호하는 방법이며, 내일의 위협에 맞서 스스로 학습하고, 적응하며, 스스로를 강화하는 방어선을 구축하고자 하는 모든 팀이 활용할 수 있는 프레임워크를 제공합니다.

AI Threat Defense(AI 위협 방어)에 대해 자세히 알아보려면, 최근 진행된 Security Talks 온라인 이벤트를 시청하실 수 있습니다.

aside_block: <ListValue: [StructValue([('title', '새로운 기술 배우기'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbbf66a0>), ('btn_text', '지금 시청하기'), ('href', 'https://www.youtube.com/watch?v=blh0hhHJ4pI'), ('image', <GAEImage: Cloud-CISO-Perspectives-logo-A>)])]>

Google Cloud Security 최신 소식

이번 달 지금까지 구글 보안 팀이 발표한 새로운 소식, 제품 및 서비스, 정보를 다음과 같이 정리해 전해드립니다.

Google Security Operations 에이전트를 활용한 AI 기반 위협 탐지 및 차단: 직접 소유하지 않거나 패치할 수 없는 코드에서 발생하는 위협을 구글 세콥스가 AI Threat Defense(AI 위협 방어)와 어떻게 긴밀히 조율하여 모니터링하고, 탐지하며, 대응하는지 그 구체적인 연동 프로세스를 소개합니다. 자세히 보기
AI 목소리 복제(Voice Clones)의 보안 경계선 침투를 차단하는 방법: 과거의 비교적 안정적이던 기존 네트워크 보안 경계선은 보이스 피싱(Vishing) 공격으로 인해 훨씬 더 교란되기 쉬운 **'신원(Identity)'**이라는 새로운 경계선으로 대체되었습니다. 고도화된 AI 목소리 변조 및 사칭 공격에 맞서 철저히 방어하는 방법을 확인해 보세요. 자세히 보기
AI 애플리케이션 레드팀(Red Teaming) 수행에서 얻은 5가지 교훈: 맨디언트(Mandiant)의 풍부한 실전 모의 해킹 경험을 바탕으로, 기업들이 AI 애플리케이션을 보다 안전하게 설계하고 배포할 수 있도록 돕는 정교하고 간결한 가이드라인을 제시합니다. 자세히 보기
Wiz Cloud Cost 출시 발표: 비즈니스 맥락 기반의 클라우드 비용 관리 및 최적화: Wiz는 클라우드와 AI 가동 비용에 대한 원스톱 가시성을 일원화하여 제공함으로써, 기업들이 AWS, Azure, 구글 클라우드 환경 전반에 걸쳐 불필요한 리소스 낭비를 차단하고 비용 효율성을 대폭 강화하도록 돕습니다. 자세히 보기
크롬 엔터프라이즈(Chrome Enterprise) 보안 관리에 AI 에이전트 도입: AI 에이전트를 크롬 엔터프라이즈 API에 직접 유기적으로 연결해 주는 오픈소스 모델 맥락 프로토콜(Model Context Protocol, MCP) 서버를 출시합니다. 이를 통해 IT 및 보안 운영 팀은 사용자의 브라우저 보안 설정을 그 어느 때보다 신속하고 지능적으로 관리할 수 있습니다. 자세히 보기
Google의 방식(How Google Does It): 사이버 보안의 실전 내부 아키텍처: 오늘날 가장 뜨겁게 화두가 되고 있는 핵심 보안 이슈, 시급한 도전 과제, 그리고 많은 기업들의 보안 고민에 대해 구글의 실전 보안 전문가들이 직접 전하는 생생한 철학 및 해결 방안을 모아 소개합니다. 컬렉션 전체 보기

이번 달에 발표된 더 많은 보안 관련 스토리와 아티클은 구글 클라우드 블로그를 방문해 신속하게 확인해 주시기 바랍니다.

aside_block: <ListValue: [StructValue([('title', '구글 클라우드 CISO 커뮤니티에 참여하세요.'), ('body', <wagtail.rich_text.RichText object at 0x7f71bbbf6bb0>), ('btn_text', '자세히 알아보기'), ('href', 'https://rsvp.withgoogle.com/events/google-cloud-ciso-community-interest-form-2026?utm_source=cgc-blog&utm_medium=blog&utm_campaign=FY25-Q1-global-GCP30328-physicalevent-er-dgcsm-parent-CISO-community-2025&utm_content=cisop_&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

위협 인텔리전스 주요 소식

법률 자문 구하기: 미국 법률 로펌을 겨냥한 지속적인 표적 캠페인 (Seeking counsel: Ongoing targeted campaign against U.S. law firms): 맨디언트 컨설팅(Mandiant Consulting)은 위협 클러스터 UNC3753이 실행한 금전적 목적의 데이터 탈취 및 갈취 캠페인을 상세히 기술하며, 실제 물리적 사무실을 표적으로 삼는 등의 공격 전술을 집중 조명하고 엔드포인트와 인프라를 보호하기 위한 실행 가능한 권고 사항을 제공합니다. 자세히 보기
BlackFile에 오신 것을 환영합니다: 보이스 피싱 갈취 운영의 실체 (Welcome to BlackFile: Inside a vishing extortion operation): 구글 위협 인텔리전스 그룹(GTIG)은 "BlackFile" 브랜드 명으로 활동하며 정교한 보이스 피싱(vishing) 및 단일 로그인(SSO) 침해를 통해 기업을 타겟으로 광범위한 갈취 캠페인을 벌이고 있는 위협 행위자 UNC6671을 지속적으로 추적하고 있습니다. 자세히 보기
2 PhaaS 2 Furious: 중국어 피싱 서비스(PhaaS)의 진화 (2 PhaaS 2 Furious: The evolution of Chinese-language phishing services): 역사적으로 러시아어를 사용하는 위협 행위자들이 피싱 서비스(PhaaS) 분야를 지배해 왔지만, 중국어 지하 커뮤니티 내에서 이에 필적하는 라이벌 생태계가 빠르게 성장하고 있습니다. 이 생태계 내부에서 GTIG는 정적 비밀번호 수집에서 실시간 가로채기 및 토큰화로의 근본적인 변화를 관찰했습니다. 자세히 보기

이번 달에 발표된 더 많은 위협 인텔리전스 관련 소식은 구글 클라우드 공식 위협 인텔리전스 블로그를 방문해 확인해 주시기 바랍니다.

구글 클라우드 팟캐스트

Cloud Security Podcast: 대규모 환경에서 공격자 기만하기: 라이엇 게임즈(Riot Games)의 케빈 콘리(Kevin Conley)가 현대적인 기업들이 기만 기술(Deception technology)을 활용해 공격 세력을 선제 모니터링하고 홈그라운드의 이점(home-field advantage)을 확보하는 방안을 설명합니다. 여기서 듣기
Cloud Security Podcast: Wiz와 함께하는 클라우드 보안의 초고속 성장(Hyperscaling): Wiz의 공동 창업자이자 제품 부문 부사장(VP)인 이논 코스티카(Yinon Costica)가 치열한 클라우드 보안 시장에서 제품 주도(product-led) 접근 방식과 고유의 '보안 그래프(Security graph)' 모델을 통해 비약적인 비즈니스 성장을 이뤄낸 비결을 공유합니다. 여기서 듣기
Behind the Binary: AI 기능이 제로클릭(Zero-click) 익스플로잇을 유발할 때: 구글 프로젝트 제로(Project Zero)의 세스 젠킨스(Seth Jenkins) 연구원이 출연하여 픽셀 9(Pixel 9)을 겨냥한 실제 2개의 버그 및 제로클릭 공격 체인을 정밀 해부합니다. 여기서 듣기