이 사례 연구는 Edge AI 위협 탐지 기술이 커넥티드 차량의 효율성을 높이고 비용을 절감하는 방법을 살펴봅니다. 기존의 ‘클라우드 우선’ 사이버 보안 모델은 비용 증가, 오경보, 잦은 업데이트 필요성 등의 문제에 직면해 있습니다. VicOne의 GenAI 기반 차량 내 침입 탐지 기술은 Sonatus AI Director와 결합되어 차량 텔레메트리 데이터를 로컬에서 분석함으로써 보안 위험을 조기에 식별하고, 클라우드 부하와 오경보를 줄여줍니다.
클라우드 우선 모델은 모든 차량에서 생성되는 방대한 양의 원시 텔레메트리 및 이벤트 데이터를 중앙 집중식 보안 센터(VSOC)로 지속적으로 업로드하는 방식에 의존합니다. 이로 인해 차량 대수가 늘어남에 따라 세 가지 중대한 문제가 발생합니다:
- 비용 급증: 업로드되는 데이터의 방대한 양으로 인해 저장 및 데이터 전송 비용이 급증합니다.
- 오경보 과부하: 단순한 차량 고장이 사이버 공격으로 오인되어 중요하지 않은 경보가 VSOC 팀에 쇄도함으로써 분석가의 시간이 낭비됩니다.
- 새로운 위협에 대한 대응 지연: 빈번한 차량 소프트웨어 업데이트로 인해 “움직이는 표적”이 생성되어, 보안 팀이 클라우드 기반 탐지 방법을 끊임없이 조정해야 하므로 실제 위협에 대한 대응이 느려집니다.
정적인 규칙 기반 시스템과 달리, VicOne의 솔루션은 차량 하드웨어(“엣지”)에서 직접 실행되는 GenAI 기반 위협 모델을 사용합니다.
- 상황 기반 분석: CAN 버스 활동, 이더넷 패킷, 시스템 로그 등 여러 ECU에 걸친 데이터를 상호 연관시켜, 기존 방식으로는 포착하지 못했던 복잡하고 상황적인 공격 패턴을 밝혀냅니다.
- 새로운 위협 탐지: 이 풍부하고 영역을 넘나드는 데이터를 로컬에서 분석함으로써, 단순히 알려진 시그니처와 일치시키는 것을 넘어 이전에 발견된 적이 없는 “새로운 위협”(제로데이 공격)을 식별할 수 있습니다.
VicOne의 ‘ AI ’과 ‘ Sonatus ’ 플랫폼을 결합하면 가시적인 효율성 향상과 비용 절감 효과를 얻을 수 있습니다:
- 클라우드 비용 60% 절감: 데이터를 로컬에서 처리하고 요약된 관련 알림만 업로드함으로써 데이터 전송 및 처리 비용을 대폭 절감합니다.
- 80% 더 빠른 위협 분류: 시스템이 오탐을 사전 필터링하여 고품질의 실행 가능한 인사이트를 제공하므로, 보안 분석가는 불필요한 정보를 걸러내는 데 소요되는 시간을 줄일 수 있습니다.
- 포괄적인 커버리지: 단일 ECU에서 차량 전체로 위협 탐지 범위를 확장하여, API 호출부터 CPU 사용량에 이르기까지 모든 항목을 모니터링하며 의심스러운 활동을 감지합니다.
