[종합] 네이버, '보안 AI' 품었다…GPU·데이터·실증 역량 앞세워

GPU·830TB 보안 데이터·복수 에이전트·하네스 전략 호평

정부의 사이버보안 특화 인공지능(AI) 파운데이션 모델 사업에서 네이버클라우드가 선정됐다. 대규모 그래픽처리장치(GPU)와 830TB 규모 보안 데이터에 LG CNS·LG AI연구원·LG유플러스 등 32개 참여기관의 보안·AI 역량을 더한 개발 체계가 기술력과 실현 가능성 평가에서 높은 점수를 받은 것으로 보인다.

3일 과학기술정보통신부에 따르면 '사이버 보안 특화 AI 파운데이션 모델 개발' 사업 수행기관으로 네이버클라우드 컨소시엄이 최종 선정됐다. 전날 진행된 발표평가에서 네이버클라우드와 SK텔레콤 컨소시엄이 경쟁한 결과다.

평가는 기술력과 개발 경험, 개발 전략·기술과 목표의 우수성·실현 가능성, 시장성과 파급효과 등을 중심으로 진행됐다. 과기정통부는 네이버클라우드 컨소시엄이 대규모 산학연 협력체계를 구축하고 복수의 AI 에이전트와 하네스를 활용한 개발 전략을 제시한 점을 높게 평가했다.

GPU·830TB 데이터·에이전트 총동원…네이버, '개발 실현 가능성'서 우위

네이버클라우드 컨소시엄은 AI 모델 개발에 필요한 인프라와 데이터, 보안 실증 역량을 두루 확보했다는 점에서도 경쟁력을 인정받았다. LG CNS·LG AI연구원·LG유플러스와 다수의 보안기업, 금융보안원·한국과학기술정보연구원, 주요 대학·연구기관이 참여하면서 모델 개발부터 데이터 확보, 기술 검증까지 이어지는 수행 능력을 갖췄다는 평가다.

김유원 네이버클라우드 대표 (사진=지디넷코리아)

사업 시작 전부터 사전학습을 진행할 수 있는 환경을 마련한 점도 개발 실현 가능성을 높인 것으로 평가된다. 네이버클라우드는 정부가 지원하는 엔비디아 B200 GPU 256장과 별도로 자체 B200 4000장을 사전학습에 투입했고 LG 측 H200 256장도 활용할 계획이다. 정부 지원에만 의존하지 않고 초기 학습을 앞당겨 모델 고도화와 검증에 투입할 시간을 확보한 셈이다.

대규모 학습 환경을 뒷받침할 데이터 확보도 강점으로 꼽힌다. 네이버클라우드 컨소시엄은 약 830TB 규모의 보안 데이터를 확보했으며 한전KDN과 한국수력원자력, 금융보안원, 한국과학기술정보연구원 등이 보유한 실제 공격·침해사고·관제 로그 등을 학습에 활용할 계획이다. 또 확보한 데이터는 위협정보 수집과 자동 라벨링, 표준화·검증을 거쳐 취약점 분석과 공격 재현, 합성·증강 데이터 등으로 가공된다. 

금융·전력·국방 등 7개 분야 실증…에이전트·하네스로 현장 적용 확대

네이버클라우드는 복수의 AI 에이전트와 하네스를 결합한 개발 전략도 평가에서 높은 점수를 받은 것으로 보인다. 하네스는 AI 모델과 외부 보안 도구를 연결하고 여러 에이전트의 역할과 실행 과정, 결과 검증을 관리하는 체계다. AI가 위협을 설명하는 수준을 넘어 보안관제와 취약점 분석, 대응 업무까지 수행하도록 하는 데 활용된다.

SK텔레콤도 업스테이지와 보안기업들을 묶어 멀티모델과 에이전틱 보안 서비스 실증을 내세웠지만 이번에 고배를 마셨다. 네이버클라우드는 대규모 학습 기반에 에이전트와 하네스를 결합하고 실제 산업 현장에서 검증하는 구조까지 제시하며 경쟁력을 인정받은 것으로 보인다.

실증 범위가 넓다는 점도 강점으로 평가된다. 네이버클라우드 컨소시엄은 금융과 전력, 과학기술, 통신, 반도체, 방위산업, 항공우주 등 7개 분야에서 개발 모델을 검증할 계획이다. 또 네이버클라우드의 폐쇄망 AI 구축·운영 경험과 LG CNS의 공공·금융·제조 분야 보안·AX 경험을 바탕으로 산업별 환경에 맞춘 실증을 진행할 예정이다.

과기정통부는 이달 중 네이버클라우드 컨소시엄과 협약을 체결하고 실무협의체를 구성할 예정이다. 사업 기간은 10개월로, 정부는 우선 5개월간 B200 GPU 256장을 지원한 뒤 중간평가를 거쳐 잔여 5개월 지원 여부를 결정한다.

이 같은 상황에서 네이버클라우드가 사업자 선정 전부터 사전학습에 착수해 모델 고도화와 실증에 필요한 시간을 확보한 점은 향후 개발 과정에서도 강점으로 작용할 것으로 보인다. 다만 대규모 GPU와 보안 데이터를 활용해 취약점 탐지와 공격 분석, 침해사고 대응 등에서 범용 AI와 차별화된 성능을 확보하는 것은 과제다.

여기에 실제 보안 업무에 투입되는 AI 에이전트의 안전성을 얼마나 확보할 수 있을지도 관건이다. 보안관제 시스템과 방화벽, 취약점 진단 도구 등에 연결되는 만큼 권한 관리와 실행 통제, 결과 검증 체계를 얼마나 안정적으로 구축하느냐가 현장 적용 과정에서 중요해질 것으로 보여서다.

업계 관계자는 "사이버보안 특화 AI는 모델 크기나 GPU 규모보다 실제 공격 데이터를 얼마나 정교하게 학습시키고 보안 업무에 안정적으로 적용할 수 있느냐가 중요하다"며 "AI 에이전트가 다양한 보안 도구를 활용하면서도 오작동을 통제할 수 있는 체계를 갖추는 것이 향후 성과를 좌우할 것"이라고 말했다.