2026-10-24 Microsoft Sentinel × Defender XDR × Agentic AI: 통합 SOC와 KQL이 만드는 보안 운영의 다음 단계

왜 ‘통합 보안 운영 플랫폼’인가 Microsoft는 클라우드 네이티브 SIEM인 Sentinel과 XDR 솔루션인 Defender XDR을 하나의 Defender 포털 안에 통합했다. Microsoft Learn의 Defender XDR 업데이트 페이지에 따르면 이 통합 플랫폼은 2024년 중반 정식 출시(GA)되었고, 초기에는 테넌트당 하나의 Sentinel 워크스페이스만 지원하다가 2025년 중반에 멀티 워크스페이스 지원이 추가되는 등 지속적으로 기능이 확장되어 왔다. 핵심은 ‘툴 전환 피로’를 줄이는 것이다. 엔드포인트, 아이디, 이메일, SaaS 앱, 클라우드 워크로드를 넘나드는 탐지·조사·대응을 단일 데이터 모델과 단일 인시던트 큐에서 처리하도록 만든 것으로, Petri의 분석은 이를 ‘산업 최고 수준의 SIEM과 포괄적 XDR, 보안 전용 생성형 AI의 결합’으로 설명한다. ...

October 24, 2026 · 3 min · 510 words · jeonck

2026-10-24 AI 에이전트 시대의 SecOps: Defender XDR·Sentinel·KQL로 그리는 통합 위협 대응 전략

AI 에이전트가 새로운 공격 표면이 되는 이유 클라우드 보안 사고는 여전히 ID 중심 공격, 즉 비밀번호 스프레이나 토큰·세션 도용이 주된 침해 경로다. 여기에 AI 에이전트가 더해지면서 공격 표면이 한층 넓어졌다. OWASP는 2026년판 LLM Top 10에서도 prompt injection을 3년 연속 1위로 꼽았고, 민감정보 유출과 과도한 권한(excessive agency)이 그 뒤를 잇는다. OWASP GenAI Security Project 공동의장 Steve Wilson은 prompt injection을 완전히 제거할 엔지니어링 해법은 없다고 말하며, 이를 ‘제거할 취약점’이 아니라 ‘지속적으로 관리할 운영 리스크’로 봐야 한다고 강조한다. 간접 주입은 검색된 문서, 오염된 도구 응답, 과거 세션의 메모리 등 다양한 경로로 들어올 수 있다는 점도 실무적으로 중요하다. ...

October 24, 2026 · 3 min · 588 words · jeonck

2026-10-24 Agentic AI 시대의 보안: Microsoft Defender와 Sentinel은 AI 에이전트를 어떻게 지키는가

Agentic AI가 몰고 온 새로운 공격 표면 챗봇을 넘어 스스로 계획하고 도구를 호출하며 다른 에이전트와 협업하는 ‘agentic AI’가 기업 워크플로의 중심으로 들어오면서, 보안 업계의 화두도 ‘모델 안전성’에서 ‘에이전트 행위 보안’으로 옮겨가고 있다. 에이전트는 자율적으로 코드를 실행하고 API를 호출하며 다른 에이전트와 통신하기 때문에, 전통적인 애플리케이션 보안 모델로는 포착하기 어려운 위험을 만든다. OWASP가 정의한 에이전트형 AI의 10대 위협 2025년 12월, OWASP GenAI Security Project는 100명이 넘는 보안 연구자와 NIST, 유럽연합 집행위원회, Alan Turing Institute 등이 참여한 검토를 거쳐 Agentic AI를 위한 Top 10 위험·대응 가이드를 발표했다. Agent Goal Hijacking(목표 탈취), Tool Misuse(도구 오남용), Identity & Privilege Abuse(권한 남용)를 핵심 위협으로 꼽았는데, 이는 에이전트가 ‘제한된 인간 개입만으로 직접 행동하고 다른 에이전트와 조율한다’는 특성에서 비롯된다. 즉 프롬프트 자체보다 에이전트가 실행하는 행위와 그 행위에 부여된 권한을 통제하는 것이 핵심 과제가 된 것이다. ...

October 24, 2026 · 3 min · 536 words · jeonck

2026-10-15 AWS 보안 운영의 전환점: 멀티 계정 거버넌스, 자동 탐지-대응, 제로 트러스트, 그리고 AI 에이전트 보안

왜 지금 멀티 계정인가 많은 조직이 AWS 계정 하나로 시작하지만, 보안을 체계적으로 관리하려면 결국 AWS Organizations 기반의 멀티 계정 구조로 넘어가게 된다. AWS의 Control Tower 랜딩존 설계 가이드는 계정 구조, 로깅, 인증 등을 사전에 설계 문서로 정리할 것을 권장하며, 워크로드를 관리(management) 계정에 두지 말고 로그 아카이빙, 보안 도구, 샌드박스용으로 별도 계정을 분리하라는 원칙을 제시한다. 핵심은 ‘한 번에 전부 이전’이 아니라, Control Tower로 랜딩존을 먼저 세운 뒤 신규 워크로드부터 점진적으로 새 계정으로 옮기고 기존 계정은 서서히 하나의 워크로드 계정으로 수렴시키는 단계적 접근이다. ...

October 15, 2026 · 3 min · 589 words · jeonck

2026-09-30 AI가 QA를 대체하는 게 아니라 QA의 정의를 바꾼다: Agentic Testing과 Risk-Based 자동화의 현재

테스트 스크립트 생성 그 다음: Agentic QA의 등장 최근 미팅업에서 오간 논쟁의 핵심은 “AI가 테스트 스크립트를 대신 써주는 것"과 “AI가 QA 업무 자체를 재정의하는 것"이 전혀 다른 이야기라는 점이었다. 업계는 이미 이 전환을 용어로도 구분하고 있다. Katalon은 Agentic QA를 “에이전트가 테스트 스크립트가 아니라 제품의 의도(intent)를 쥐고, 무엇을 검증할지 스스로 계획·실행·관찰·적응하는 목표 지향적 루프"로 정의한다. 즉 QA 엔지니어의 역할이 “스텝을 작성하는 일"에서 “품질이 무엇인지 정의하는 일"로 옮겨간다는 것이다. 실제로 Forrester는 2025년 테스트 플랫폼 카테고리 명칭을 ‘Continuous Automation Testing Platforms’에서 ‘Autonomous Testing Platforms’로 변경했고, Gartner는 2026년 말까지 전체 엔터프라이즈 애플리케이션의 40%가 태스크 특화 AI 에이전트를 탑재할 것으로 전망했다. 2025년 기준 5% 미만이었던 수치가 1년 만에 8배 뛰는 셈이다. ...

September 30, 2026 · 4 min · 645 words · jeonck

2026-09-23 Copilot Studio와 MCP로 보는 로우코드 자율 에이전트의 현재

로우코드 플랫폼 위에서 자란 에이전트 최근 참관한 Copilot Studio 실습 밋업에서는 참가자들이 Power Automate 플로우와 Dataverse 테이블을 연결해 ‘주문 취소’라는 단순한 시나리오를 자동화하는 과정을 다뤘다. 겉보기엔 초급 튜토리얼이지만, 그 이면에는 업계 전체가 향하고 있는 방향이 뚜렷이 담겨 있다. 바로 로우코드 플랫폼을 발판 삼아 agentic AI를 조직에 이식하는 흐름이다. Gartner는 엔터프라이즈 로우코드 플랫폼이 agentic AI 구현의 발사대 역할을 한다고 분석했고, 2026년 말까지 엔터프라이즈 애플리케이션의 40%가 특정 작업에 특화된 AI 에이전트를 탑재할 것으로 전망했다(Gartner 보도자료). 이는 전년 5% 미만에서 급격히 뛴 수치로, 코드를 직접 작성하지 않는 현업 담당자도 에이전트를 ‘조립’할 수 있게 됐다는 뜻이다. ...

September 23, 2026 · 3 min · 531 words · jeonck

2026-09-23 로우코드로 만드는 AI 에이전트: Microsoft Copilot Studio와 Power Platform ALM이 그리는 실무 지형도

왜 지금 ‘로우코드 에이전트’인가 최근 사내 실습 세션에서 참가자들은 Power Platform 환경(environment)을 만들고, 솔루션(solution)을 임포트하고, Copilot Studio에서 프롬프트 한 줄로 에이전트를 생성하는 과정을 체험했다. 이는 우연한 흐름이 아니다. Gartner는 2026년까지 신규 엔터프라이즈 애플리케이션의 70~75%가 로우코드 플랫폼으로 개발될 것으로 전망했고, Gartner CIO 서베이에 따르면 2026년 AI 에이전트 배포를 계획한 기업 비율이 2025년 17%에서 42%로 급증했다. 다만 같은 조사에서 거버넌스 공백으로 프로젝트의 40%가 취소될 위험이 있다고 경고한다. 즉 업계는 ‘빠르게 만들되, 관리 체계 없이는 실패한다’는 메시지로 수렴하고 있다. ...

September 23, 2026 · 3 min · 565 words · jeonck

2026-09-23 Microsoft Copilot Studio로 본 기업용 AI 에이전트 도입의 현재와 함정

‘한 사람이 다 하지 않는다’ — 전문화된 에이전트라는 발상 최근 열린 Microsoft Copilot Studio 실습 밋업에서 강사는 집을 짓는 비유를 들었다. 전기공, 배관공, 목수가 각자의 전문 영역을 맡듯, AI도 하나의 범용 챗봇이 모든 일을 처리하는 대신 특정 업무에 특화된 여러 에이전트가 협업하는 구조로 가야 한다는 것이다. 이는 실제로 Microsoft Copilot Studio가 밀고 있는 방향과 정확히 일치한다. Microsoft Learn의 멀티에이전트 오케스트레이션 가이드는 오케스트레이터 에이전트가 사용자 의도를 파악해 라우팅하고, 각 전문 에이전트가 자신의 도메인만 책임지는 패턴을 권장한다. Microsoft Copilot 블로그에 따르면 2025년 Build 행사부터 에이전트 간 통신(A2A)이 정식 기능으로 자리잡았고, 한 에이전트가 다른 에이전트를 호출해 작업을 위임하는 구조가 일반화되고 있다. 이는 조직 단위로 도메인 팀이 각자의 전문 에이전트를 소유·운영하면서도 전체적으로는 하나의 통합된 업무 엔진처럼 작동하게 만드는 거버넌스 모델이기도 하다. ...

September 23, 2026 · 3 min · 632 words · jeonck

2026-08-28 PostgreSQL에서 AI 에이전트까지: Kubernetes 네이티브 CDC 파이프라인으로 완성하는 AI-Ready 데이터 플랫폼

왜 지금 “AI-Ready 데이터 파이프라인"인가 최근 커뮤니티 밋업에서 발표된 아키텍처는 운영 데이터베이스(PostgreSQL)에서 발생하는 변경 사항을 실시간으로 캡처해 Apache Iceberg 기반 lakehouse로 옮기고, 그 위에서 자연어로 질의하는 AI 에이전트를 붙이는 구조였다. 이는 단발성 실험이 아니라 업계 전반의 흐름과 일치한다. Linux Foundation의 2025 CNCF Annual Cloud Native Survey에 따르면 컨테이너 사용자의 82%가 Kubernetes를 프로덕션에서 운영 중이며, AI 도입 기업의 66%가 추론 워크로드 확장에 Kubernetes를 사용한다. CNCF는 이를 두고 “모든 AI 플랫폼이 Kubernetes로 수렴하고 있다”고 진단한다. 즉 발표자가 구축한 파이프라인은 개별 사례가 아니라 업계 표준 궤적 위에 있다. ...

August 28, 2026 · 4 min · 708 words · jeonck

2026-08-28 Kubernetes 위의 Apache Flink: Operator 패턴으로 스트리밍 잡을 무중단 운영하기

왜 스트리밍 플랫폼은 Kubernetes로 향하는가 데이터 플랫폼 팀들은 이제 Flink 잡을 전용 클러스터가 아니라 Kubernetes 위에서 운영하는 방향으로 이동하고 있다. 조직 안에 이미 표준 오케스트레이션 계층이 존재하는데, 팀마다 별도 인프라를 두는 대신 배치·스트리밍 워크로드를 하나의 플랫폼에서 함께 관리하려는 요구가 커졌기 때문이다. Apache Flink 공식 문서는 Flink Kubernetes Operator가 “Kubernetes API를 커스텀 리소스로 확장해 Flink 애플리케이션의 생명주기(배포, 무중단 업그레이드, 오토스케일링)를 관리한다"고 설명한다(Operator Overview). CNCF도 오퍼레이터 패턴 자체를 “커스텀 리소스를 도메인 지식을 가진 컨트롤러가 지속적으로 조정(reconcile)하는 확장 모델"로 정의하며, 선언적 상태와 실제 상태를 계속 수렴시키는 피드백 루프가 핵심이라고 설명한다(Kubernetes Operators 101). 스트리밍 잡을 하나의 CR로 선언하고 컨트롤 루프가 알아서 원하는 상태로 맞춰준다는 것이, 이 흐름의 핵심 아이디어다. ...

August 28, 2026 · 3 min · 519 words · jeonck