일반적인 생각과 달리, 시중에 유통되는 대부분의 IoT 기기는 최고 수준의 암호화 방식과 보안 프로토콜을 갖추고 있지 않아 보안 위협에 취약합니다. 게다가 상당수 기기는 처음부터 보안을 충분히 고려하지 않고 설계되었기 때문에 스스로 업데이트조차 할 수 없는 경우가 많습니다.
전 세계적으로 빠르게 확산되고 있음에도 불구하고, 세계 IoT 기기의 85% 이상이 안전하지 않다는 것은 잘 알려진 사실입니다. 솔직히 말해 IoT는 보안성과 신뢰성을 함께 끌어올릴 수 있는 기업 환경에 더 적합합니다. 반면 소비자 시장에서는 보안보다 가격 경쟁력이 우선시되기 때문에 제조사만 믿고 보안을 맡기기 어렵습니다. 이러한 상황에서 앞으로 출시되는 많은 IoT 기기는 그 어느 때보다 봇넷(botnet) 등 사이버 공격에 노출되기 쉽습니다. 다행히 데이터 분석과 머신 러닝을 활용하면 이 문제를 해결할 수 있습니다.
현재 머신 러닝은 IoT가 생성한 데이터를 분석해 사용자 경험과 효율성을 높이는 데 활용되고 있습니다. 같은 기술을 사용 패턴과 기기 행동 분석에 적용하면 IoT 보안 역시 크게 개선할 수 있습니다. 비정상적인 활동과 잠재적 위협을 선제적으로 차단하는 데 도움이 되는 것입니다. 실제로 기술 업계는 가장 취약한 IoT 보안 영역인 '가정 내 IoT' 보완에 주목하고 있습니다.
클라우드를 활용한 지능의 중앙화
연구자들은 현재 IoT 제품의 모든 엔드포인트에서 수집한 데이터를 클라우드 서버에 통합하는 방안을 연구 중입니다. 이를 통해 입력값을 분석하고 악성 행동을 탐지할 수 있습니다. 또한 어떤 서버와 기기가 IoT 기기와 통신하는지 파악해 비정상적인 동작을 발견할 수 있으며, 의심스러운 패킷, 피싱성 URL, 악성 다운로드 여부까지 점검할 수 있습니다.
인간 보조 지능과 머신 러닝의 결합
머신 러닝은 증강 지능(Augmented Intelligence)을 개발해 IoT 기기를 보호하는 데 유용하게 활용될 수 있습니다. 패턴 인식과 머신 러닝에만 의존하는 보안 시스템은 이미 연결된 기기와 네트워크에서 얻은 정보만 학습하기 때문에, 외부의 모든 것을 위협으로 간주하는 경향이 있습니다. 그 결과 거짓 경보(false alarm)가 빈번하게 발생하는 문제가 생깁니다. 이를 완화하는 가장 효과적인 방법은 인간의 지능과 머신 러닝을 결합한 증강 지능을 도입하는 것입니다.
인간의 지능은 정상 활동과 악성 활동을 쉽게 구분할 수 있습니다. 나아가 사람의 피드백을 미래 모델에 반영하면 거짓 경보를 줄일 수 있으며, 이를 통해 위협 탐지 효율은 높아지고 오탐률은 점차 감소합니다.
IoT 행동 특성의 활용
다행히 IoT 기기는 정해진 범위의 기능만 수행하도록 설계됩니다. 따라서 인간 지능과 머신 러닝을 적절히 조합하면 악성 행동을 비교적 쉽게 탐지하고 차단할 수 있습니다.
이미지 출처: wired.com
이 모델은 홈 네트워크에 손쉽게 설치할 수 있는 소형 기기, 사용자가 기기를 관리할 수 있게 해주는 모바일 앱, 머신 러닝 알고리즘으로 통합 데이터를 저장·분석하는 클라우드 서비스로 구성됩니다. 이러한 모델은 기기와 고객으로부터 정보를 수집할수록 정확도가 점진적으로 향상됩니다.
결국 머신 러닝만으로는 완벽한 해결책이 될 수 없습니다. 공격을 효과적으로 막기 위해서는 반드시 인간의 지능과 결합해야 합니다.