방어 팀이 데이터를 임무 성과로 전환하는 방법

선도적인 국방 조직은 정보가 이미 존재하는 곳에서 정보를 연결하여, 민감한 시스템을 변경하지 않고도 팀이 여러 도메인에 걸쳐 인사이트를 안전하게 분석하고 공유할 수 있도록 지원합니다. 이러한 분산 접근 방식은 미래의 AI 지원 워크플로우를 위한 기반을 마련하는 동시에 의사 결정을 내리는 더 나은 방법을 제공합니다.

이 문서에서는 국방 팀이 실제 환경에서 이러한 접근 방식을 어떻게 실행에 옮기고 있는지 살펴봅니다. 미국 육군 공병대(US Army Corps of Engineers) 등 선도적인 항공우주 및 방위 산업 계약업체를 포함한 조직의 고객 스토리를 통해, 검색 기반으로 구축된 통합 데이터 계층이 어떻게 더 빠른 의사 결정, 더 강력한 거버넌스, 중요한 임무에 대한 더 나은 지원을 가능하게 하는지 알아볼 수 있습니다. 

전 세계 공공 부문 조직은 데이터를 운용하고, 중요한 시스템을 보호하며, AI 지원 혁신을 구현하기 위해 Elastic을 사용하고 있습니다. Elasticsearch Platform은 AI를 일관되게 적용하고, 공공 서비스를 개선하며, 데이터 분석 및 의사 결정을 강화하고, 기관 간 협업 및 데이터 공유를 촉진하며, 지리 공간 분석을 지원하는 등의 통합 데이터 기반을 제공합니다.

계속 읽으면서 국방 조직이 어떻게 분산 검색을 구현하고 시스템 전반에 걸쳐 정보를 매끄럽게 연결하고 있는지 확인해 보세요.

미국 육군 공병대의 내비게이션 포털 프로젝트 팀은 미국 전역에 안전하고 신뢰할 수 있으며 효율적인 선박 운항을 지원합니다. 운영 규모를 고려할 때, 작은 개선만으로도 상당한 비용 절감 효과를 거둘 수 있습니다.

NavPortal은 역사적으로 효율성을 개선하기가 어려웠습니다. 업무가 프로젝트 및 미션 기반 자금 지원 모델로 운영되기 때문에 도구가 사일로화되는 경우가 많고, 데이터 시스템이 단편화되어 있으며, 프로젝트 전반에서 일관되게 인사이트를 도출할 수 없습니다.

수백 개의 항구와 수천 마일에 달하는 수로에 걸쳐 활동하는 육군 공병대는 수십 년에 걸친 과거 측량 데이터, 해안경비대의 자동 식별 시스템(AIS) 선박 교통 정보, 준설 기록, 여러 외부 소스의 지리공간 데이터 세트를 축적했습니다.

핵심 문제는 지리 공간 정밀도입니다. 시간이 지남에 따라 수집된 측량 지점은 완벽하게 겹치지 않으므로, 수로 수심이나 퇴적물 축적의 변화를 일관되게 연구하는 것이 거의 불가능합니다.

싱글빔 측량, 멀티빔 측량, 선박 교통 패턴, 준설 작업을 비롯한 다양한 데이터 유형이 호환되지 않는 형식으로 별도의 시스템에 존재했습니다. 이 모든 것을 이해하기 위해 분석가들은 SQL부터 Oracle, AutoCAD 등에 이르기까지 수많은 시스템에 대한 전문 지식이 필요했습니다. 

그 문제는 도구의 무질서한 증가를 넘어서는 것이었습니다. 분석가들은 수동으로 시스템을 연결해야 했습니다. 파편화는 의사 결정을 늦추고, 지역 사무소 전반의 가시성을 제한하며, 준설 작업이 필요한 위치를 예측하기 어렵게 만들었습니다. 수로 위험 요소가 빠르게 심각해질 수 있는 상황에서 이는 치명적인 단점이었습니다.

육군 공병대는 통합 위치 기반 데이터 플랫폼을 구축하기 위해 Uber의 H3 글로벌 그리드 시스템을 Elasticsearch와 통합했습니다. Elasticsearch는 대규모 정형, 비정형 및 위치 기반 데이터를 처리하도록 지원하는 분산형 검색 및 분석 엔진입니다. 위치 기반 기능을 통해 좌표, 폴리곤 및 육각형 공간 분석을 활용하여 위치 데이터 전반에서 빠르게 검색하고, 이를 통해 공간적 관계를 실시간으로 저장, 쿼리 및 시각화할 수 있습니다.

원시 측량 지점, 선박 운항 데이터, 준설 기록을 대륙 규모부터 1제곱피트까지 다양한 해상도의 표준화된 육각형 빈으로 변환하여 팀은 일관된 공간 프레임워크를 구축했습니다. 각 육각형 빈에는 전 세계적으로 고유한 식별자가 부여되어, 육군 공병대는 원래 데이터 소스나 측량 유형에 관계없이 시간 경과에 따른 변화를 추적할 수 있습니다.

이러한 표준화는 핵심 지리공간 정밀도 문제를 해결했습니다. 육군 공병대는 완벽하게 일치하지 않는 측량 지점을 맞추려 애쓰는 대신, 일관된 공간 영역으로 데이터를 집계하고 시간, 측량 방법, 데이터 소스와 같은 변수 전반에 걸쳐 신뢰할 수 있는 방식으로 비교할 수 있었습니다.

Elasticsearch의 API를 사용하면 기본 시스템을 재구성하지 않고도 팀과 프로젝트 전반에서 데이터를 안전하게 공유할 수 있으며, 실시간 분석 기능은 즉각적인 볼륨 계산과 예측 모델링을 지원합니다. 

동일한 공간 프레임워크를 통해 수로 수심과 선박 통항 밀도를 함께 확인함으로써, 팀은 현재 조건과 향후 예상되는 요구 사항을 모두 기반으로 준설 우선순위와 리소스 할당을 최적화할 수 있습니다.

육군 공병대는 Elasticsearch의 위치 기반 정보 기능을 활용하여 이제 다음을 수행할 수 있습니다.

• 시간 경과에 따른 위치 기반 정보 데이터 비교 및 분석: 육각 비닝을 사용하면 다양한 조사 유형과 기간에 걸쳐 일관된 비교가 가능하여 새로운 추세 분석 기능을 제공합니다.
• 문제가 발생할 경우 이해관계자에게 경보: 집계된 빈에서 임계값을 초과하는 퇴적물 축적이 나타나면 시스템이 지역 기관, 지구 사무소 및 본부에 경보를 트리거합니다.
• 문제가 발생하기 전에 예측: 육군 공병대는 각 육각형 빈의 퇴적률을 추적함으로써 6개월 후의 수로 상태를 예측하고, 선박 좌초나 안전사고가 발생하기 전에 유지보수가 필요한 영역을 정확히 찾아낼 수 있습니다.

이제 이러한 헥스빈은 사실상 육군 공병대를 위한 데이터 통합 프레임워크가 되었으며, 측량 데이터, AIS 트래픽, 준설 메트릭, 예측 분석을 단일 시공간 시스템으로 통합하여 수로를 개방되고 안전하며 효율적으로 유지하는 새로운 방식을 제공합니다.

글로벌 항공우주 및 국가 보안 기업인 SNC는 핵심 국방 및 정부 운영을 지원하며 항공기 개조 및 통합, 우주 시스템 개발, 사이버 보안 기술 제품을 개발합니다.

이 수준에서 운영되는 조직에서는 계약 및 규제 요구 사항을 충족하기 위해 강력한 사이버 보안이 필수입니다. 엄격한 정부 감독과 시민의 신뢰를 유지해야 하기 때문에 조직의 광범위한 운영에 부담이 가중됩니다.

SNC의 규모가 커지면서 위협 환경도 복잡해졌습니다. 조직에는 점점 더 복잡해지는 분산 환경 전반의 위협을 모니터링하고 대응할 수 있는 확장 가능하고 안전한 방법이 필요했습니다. 또한 가장 민감한 시스템, 지적 재산 및 통제된 비기밀 정보(CUI)를 보호하기 위해 외부 관리형 서비스 제공자에 의존할 수 없는 상황이었습니다.

제3자가 관리하던 SNC의 기존 보안 정보 및 이벤트 관리(SIEM) 솔루션은 현대적인 방어 작전을 따라가는 데 어려움을 겪고 있었습니다. 

SNC의 데이터 통합 전략 디렉터인 Doug Russell은 설명합니다. “레거시 시스템은 느리고 비용이 많이 들었습니다. 쿼리를 실행하는 것은 번거로운 과정이었습니다.”

빠른 대응이 필요한 조사에 주기적으로 수 분이 소요되었으며, 이는 탐지 속도가 영향의 심각도를 직접 결정할 수 있는 위협 환경에서 치명적인 위험 요소로 작용했습니다. 순수한 성능 문제를 넘어, SNC의 레거시 환경은 심각한 운영 사각지대를 초래했습니다. 분석가들은 여러 환경 전반에서 보안 신호를 연결하는 데 필요한 상관관계 분석 역량이 부족하여, 위협이 실제 피해를 유발하기 전에 이를 탐지하고 억제하는 데 한계가 있었습니다. 

무엇보다도 SNC 자체 사이버 팀은 민감한 국방 정보를 보호하기 위해 의존하던 시스템을 완전히 파악하거나 제어할 수 없었으며, 이는 엄격한 정부 규정에 따라 업무를 수행하는 계약업체에 중대한 위험을 초래했습니다. 

SNC 팀은 직접 평가하기 위해 기존 솔루션과 함께 Elastic Security를 동시에 실행했습니다. Elastic Security는 SIEM, XDR 및 클라우드 보안을 단일 솔루션으로 통합하는 개방형 AI 기반 플랫폼입니다. 이를 통해 팀은 데이터 사일로나 복잡한 추가형 없이 신속하고 대규모로 위협을 탐지, 조사 및 대응할 수 있습니다. SNC의 경우 그 결과가 즉각적으로 나타났습니다.

Russell은 이렇게 말합니다. “차이는 밤과 낮처럼 확연했습니다. 우리 환경에서 Elastic의 속도와 쿼리 기능은 우리를 압도했습니다. Kibana 대시보드를 사용하여 데이터를 시각화하는 기능 또한 인상적이었습니다.”

성능상의 이유로 SNC는 Elastic Security로 마이그레이션하고, 이를 기반으로 강력한 사내 보안 운영 센터(SOC)를 구축했습니다. Elastic을 중앙 SIEM으로 사용함으로써 SNC의 사이버 팀은 이제 민감한 정보가 제3자를 거치지 않으면서 보안 데이터를 직접 분석, 조사하고 조치를 취할 수 있게 되었습니다. 역할 기반 액세스 제어와 운영 분리를 통해 적절한 담당자가 적절한 데이터를 확인하는 동시에 전반적인 정보 보안을 유지할 수 있었습니다.

Elastic Security는 SNC가 사례 관리 기능을 통해 경보 워크플로우의 상당 부분을 자동화하여 수동 오버헤드를 줄이고 분석가가 더 가치 있는 작업에 집중할 수 있도록 지원했습니다.

“Elastic은 보안 분석가의 부담을 덜어주는 동시에 더 원활한 데이터 액세스를 지원하는 데 도움이 되었습니다.”라고 Russell은 말합니다. “이렇게 향상된 속도는 고객과의 엄격한 SLA를 준수하는 데 매우 중요하며, 규정 준수 범위를 유지하도록 보장합니다.”

Elastic은 또한 저장 공간 효율성을 통해 SNC의 엄격한 데이터 보존 요구 사항을 해결하여, 콜드 및 프로즌 저장 공간 티어에서 오래된 데이터를 신속하게 검색할 수 있도록 지원했습니다.

여러 보안 도구를 단일 플랫폼으로 통합하여 일상적인 운영을 간소화했습니다. 예를 들어, 악의적인 IP 주소를 조사하는 분석가는 더 이상 개별 시스템을 전환해가며 확인하지 않아도 전체적인 상황을 파악할 수 있습니다. Russell은 “Elastic은 불필요한 복잡성이나 비용 없이 당사의 요구 사항을 훌륭하게 해결해 줍니다.”라고 설명합니다.

SOC 및 인시던트 대응 팀 간의 협업도 크게 향상되었습니다. SNC의 사이버 보안 관리자인 Roderick Bickert는 “이전에는 정보를 공유할 때 수많은 링크를 주고받아야 했습니다. Elastic을 사용하면 모든 가용 정보로 연결되는 단일 링크를 보낼 수 있습니다. 통합 플랫폼 내에서 모든 것을 확인할 수 있어 워크플로우가 크게 간소화됩니다.”라고 말합니다.

SNC가 Elastic Security를 기반으로 거둔 효과:

• 쿼리 시간을 분 단위에서 초 단위로 단축: 분석가가 엄격한 내부 및 고객 대면 SLA를 준수하고 위협이 확대되기 전에 대응할 수 있도록 지원합니다.
• 10배 확장된 데이터 수집: 성능 저하 없이 매일 1테라바이트에 달하는 보안 데이터를 처리할 수 있습니다.
• 제로 데이 위협을 사전에 탐지 및 무력화: 공격이 공개적으로 발표되기 전에 이를 식별 및 차단하여 SNC의 전반적인 보안 태세를 강화했습니다.
• 새로운 수익원 창출: Elastic Security 및 Microsoft Azure Government Cloud를 기반으로 구축된 방위 계약업체용 관리형 보안 서비스인 Defensible Security로 수익원 마련
• 강화된 협업: SOC와 인시던트 대응 팀 간의 협업을 강화하고, 파편화된 멀티 플랫폼 워크플로우를 단일 통합 보기로 대체

Russell은 다음과 같이 말합니다: “우리는 위협을 신속하게 발견하고 고객이 자신의 환경에서 무슨 일이 일어나고 있는지 알아차리기도 전에 알릴 수 있습니다. 방위 부문의 다른 기업들은 사이버 보안 관점에서 당사를 따라잡지 못했습니다."

향후 SNC는 SOC 내에서 AI와 머신 러닝 활용을 더욱 확대할 계획입니다. Elastic Security의 이상 징후 탐색 기능, 사용자 엔터티 행동 분석(UEBA), 그리고 외부 머신 러닝 모델과의 통합을 활용하여 위협 식별 및 응답을 더욱 자동화할 계획입니다.

데이터 규모에 관계없이 SNC는 이제 모든 것을 단일 중앙 위치에 저장할 수 있습니다. SNC의 시니어 사이버 보안 데이터 사이언스 매니저인 Cassie Cagwin은 “Elastic은 당사의 AI 보안 이니셔티브에서 계속해서 중추적인 역할을 하고 있습니다.”라고 말합니다.

세계 최대 규모의 항공우주 및 방위 산업 기업 중 하나인 이 다국적 항공우주 기업은 기술적 정밀성과 운영 준비 태세가 필수라는 것을 잘 알고 있습니다. 엔지니어, 기술자 및 프로그램 관리자는 프로그램을 유지관리하고 마감 기한을 준수하며 임무 성공을 보장하기 위해 정확한 문서에 즉시 액세스할 수 있어야 합니다. 그러나 조직이 성장함에 따라 가장 중요한 순간에 적절한 정보를 찾는 일도 더욱 복잡해졌습니다.

문서는 SharePoint 사이트, 파일 공유, 이메일 아카이브, 연결되지 않은 수십 개의 저장소에 흩어져 있는 경우가 많았습니다. 엔지니어들은 절차를 파악하기 위해 동료에게 직접 물어보거나 개인 메모를 유지관리하는 데 의존하는 경우가 많았습니다. 통합 검색이 없기 때문에 직원들은 문서를 찾거나 실수로 복제하느라 귀중한 시간을 낭비했습니다. 

단 한 부서에서만 엔지니어링 명령 미디어부터 교훈 보고서 및 기타 중요 파일에 이르기까지 50~60개 소스에 걸쳐 2백만 개가 넘는 문서를 축적하면서 어려움이 더욱 가중되었습니다.

조직에 적절한 문서가 있었지만, 이를 쉽게 찾을 수 있는 방법이 없었습니다. 엔지니어에게는 빌드 지침, 테스트 절차, 정책 참조 자료, 기술 사양에 대한 즉각적인 액세스가 필요했지만, 시스템 전반에는 이를 검색할 수 있는 통합된 방법이 없었습니다. 

버전 확산으로 인해 문제가 더욱 악화되었습니다. 신뢰할 수 있는 정보 소스가 없었기 때문에 팀은 가장 최신 사양을 바탕으로 작업하고 있는지 확인할 수 없었습니다. 이 자체가 새로운 위험을 초래했으며, 특히 오래된 정보가 안전 문제나 막대한 비용이 소요되는 지연으로 이어질 수 있는 미션 크리티컬한 상황에서는 더욱 그러했습니다. 신규 입사자들은 몇 주 동안의 온보딩 과정을 거치며 어떤 리포지토리를 검색해야 하는지, 파편화된 시스템을 어떻게 탐색해야 하는지 배웠습니다.

이 조직은 기술 문서에 대한 액세스를 통합하고, 정확한 키워드 쿼리와 탐색형 시맨틱 검색을 모두 지원하며 미래의 AI 기반 기능을 위한 기반을 마련할 솔루션이 필요했습니다.

몇 년 전, 해당 부서는 Elasticsearch 무료 및 오픈 소스 스택 기반의 맞춤형 엔터프라이즈 검색 애플리케이션 구축을 시작했습니다. 이후 팀은 Elastic의 임베딩 모델인 ELSER를 비롯한 고급 AI 기능과 검색 증강 생성(RAG) 파이프라인에 대한 기본 지원을 활용하여 업그레이드했습니다.

Elasticsearch는 정형 및 비정형 데이터를 대규모로 처리하도록 설계된 분산형 검색 및 분석 엔진입니다. 하이브리드 검색 기능을 통해 사용자는 키워드 정밀도와 의미론적 이해를 결합하여 정확한 부품 번호나 정책 참조를 검색할 수 있습니다.

프로젝트의 리드 개발자는 이렇게 말합니다. “이 애플리케이션의 주요 초점은 기술 문서를 색인하는 것입니다. 이는 엔지니어에게 업무를 수행하는 방법을 알려주기 때문에 필수적입니다. 원본 소스에서 직접 색인함으로써 엔지니어가 찾은 내용이 최신 상태이고 정확하다는 확신을 줍니다.”

이 애플리케이션은 이제 200만 개 이상의 문서를 지원하고 매달 30,000건의 검색을 처리합니다. 엔지니어는 하이브리드 검색을 사용하여 정확도와 탐색의 균형을 맞출 수 있습니다. Elasticsearch Platform은 기술자가 실시간으로 지침에 액세스하고 작성하며 테스트하는 현장에서 상당한 가치를 제공합니다.

수석 개발자는 말합니다. “Elastic을 통해 특정 사용 사례에 맞춘 엄선된 맞춤형 검색 엔진을 구축할 수 있었습니다. 그 결과 더 깔끔하고 정확한 결과를 얻을 수 있었습니다.”

Elasticsearch는 엔터프라이즈 검색 외에도 생성형 AI를 지원합니다. 팀은 모든 응답의 근거를 신뢰할 수 있는 문서에서 찾으며 RAG 파이프라인과 ELSER를 사용하여 데이터 세트를 벡터화하고 AI 기반 어시스턴트를 실험합니다.

“다른 도구는 시맨틱 검색과 벡터 데이터베이스를 지원하기 위해 추가 기능이 필요했습니다.”라고 수석 개발자는 설명합니다. “Elastic은 개방적이고 확장 가능한 아키텍처 내에서 이러한 기능을 기본적으로 제공합니다.” 

이 항공우주 조직이 Elasticsearch를 사용하여 거둔 효과:

• 미션 크리티컬 환경에서 운영 효율성 향상: 조직은 하이브리드 검색을 구현하여 현재 2백만 개 이상의 문서와 월 30,000건의 검색을 지원합니다.
• 문서의 무질서한 증가 및 중복 제거: 엔터프라이즈 검색을 통합함으로써 조직은 신뢰할 수 있는 문서를 기반으로 데이터를 유지하면서 중요한 정보에 대한 액세스를 가속화했습니다.
• AI 기반 혁신을 위한 기반 구축: Elasticsearch Platform은 생성형 AI와 AI 기반 어시스턴트 및 Elastic의 임베딩 모델인 ELSER 등의 기타 AI 혁신을 위한 통합 지원을 제공합니다.
• 간소화된 온보딩: 중앙 집중화된 문서화를 통해 운영 효율성을 높여, 신규 입사자가 문서를 신속하게 찾고 처리할 수 있도록 지원합니다.

“사용 편의성과 신뢰할 수 있는 지원 및 Elastic 팀과의 파트너십 덕분에 이 애플리케이션은 큰 성공을 거두었습니다.”라고 수석 개발자는 말합니다.

이 애플리케이션은 기업 전반의 문서를 수집하고 특정 비즈니스 영역을 위한 맞춤형 검색을 가능하게 하는 전사적 지식 플랫폼으로 발전하고 있습니다. 이제 팀은 생성형 AI 모델을 사용하여 RAG 기반 프로토타입을 개발 및 시연함으로써, 규제가 엄격한 환경에서 Elastic이 다중 에이전트 시스템과 의사 결정 지원을 어떻게 지원하는지 보여줄 수 있습니다.

앞으로 이 팀은 소규모의 특화된 문서 세트와 대규모의 복잡한 데이터 세트를 모두 지원하도록 플랫폼을 확장할 계획입니다. 수석 개발자는 말합니다. “달 및 화성 탐사를 비롯한 미래 프로젝트를 지원하는 과정에서 Elastic 덕분에 AI 어시스턴트, 지식 기반 의사 결정 지원, 확장 가능한 검색과 같은 새로운 도구를 추가할 때 항상 선도적인 위치를 유지할 수 있습니다.”