사용자 행위분석(UBA) 시스템이 유행처럼 번지고 있다. 특히 ‘알파고’ 이후 머신러닝이 주목받으면서 머신러닝과 결합한 UBA로 사람의 개입 없이 이상행위를 정확하게 탐지할 수 있어 각광받는다.
그러나 머신러닝과 UBA 결합만으로는 부족하며, 행위를 패턴화하는 알고리즘이 추가되어야 한다. 일부에서는 이를 ‘전문가의 통찰력’이라고 부르며, 데이터 사이언티스트의 전문성을 주입해야 한다고 주장하기도 한다.
여기에 추가되어야 할 것은 시간 흐름에 따른 ‘사용자 경험’이다. 시간이 흐르면서 사용자의 중요한 행동패턴이 변화되며, 이를 UBA가 제대로 추적할 수 있어야 한다는 뜻이다.
박희준 코바이노베이션 대표는 “UBA를 제대로 운영하기 위해서는 시스템에서 사용자 경험을 도출해내고, 시간의 흐름에 따라 변하는 패턴을 추출해 낼 수 있어야 한다. 사람의 개입 없이 시스템이 스스로 자동으로 학습할 수 있는 알고리즘이 반드시 있어야 한다”고 말했다.
박 대표는 여행을 가는 사람의 행동 패턴을 대표적이 예로 소개했다.
괌으로 여행을 가려는 사람은 사이판으로 가는 비행기 티켓을 알아보다가 결국은 세부로 여행을 가는 경향을 보인다.
괌 여행을 계획하는 사람은 대체로 가족여행을 계획하는 사람으로, 한 달 이내에 여행 갈 계획을 세운다. 그런데 인터넷 검색을 하다 보면, 비행기 왕복 티켓 가격이 사이판이 다소 저렴하다는 사실을 알게 된다. 그런데 사이판은 비행기 좌석에 여유가 없다. 결국 괌·사이판과 같은 휴양지면서 가족여행으로 가기에 좋고 비교적 가격이 저렴한 세부로 여행을 가게 된다.
UBA 룰셋 자동으로 변경해 변화되는 상황 수용
단순한 UBA는 쉽게 우회할 수 있기 때문에 정확한 탐지나 분석이 어렵다. 예를 들어 국세청이 탈세자를 찾기 위해 ‘별다른 수입 없이 고가의 외제차를 구입하는 사람’을 집중 조사한다면, 탈세자들은 외제차를 구입하지 않는 방법으로 국세청의 조사를 피해갈 수 있다. 이러한 우회를 차단하기 위해 ‘해외여행을 자주 가는 사람’이라는 조건을 추가하게 된다. 조건을 추가하는 것을 시스템이 자동으로 학습해 변경해야 한다. 이를 위해서는 UBA가 사용되는 분야별 전문가의 ‘통찰력’이 필요하며, 머신러닝을 통해 해결할 수 있다.
박 대표는 UBA를 보안 시스템에 활용하기 위해 가장 먼저 보안전문가들이 기존에 활용했던 룰셋과 시나리오를 UBA에 적용한 후 UBA를 운영하는 것을 추천했다.
머신러닝을 적용한 UBA는 시스템이 정상행위를 학습할 수 있는 시간이 필요하기 때문에 학습기간 동안은 그동안 이상행위 탐지 노하우를 기반으로 운영한다. 시스템이 정상패턴 학습을 진행하면서 변화하는 상황에 따라 룰셋을 변경하고 자동으로 업데이트하며, 생성 완료된 룰셋은 유저의 행위예측에 활용하는 방법이 이상적이라고 설명했다.
금융분야의 이상거래탐지시스템(FDS)에 이용된다면, 금융기관이 기존에 갖고 있던 이상거래 탐지 룰셋을 적용해 운영하면서 새로운 사기행위나 공격행위가 발견되면 FDS가 자동으로 학습하고 업데이트해 이상거래를 찾아낼 수 있다.
박희준 코바이노베이션 대표는 “UBA의 성패를 가르는 것은 솔루션이 자체적으로 확보하고 있는 ‘알고리즘’이다”며 “모든 UBA 솔루션은 데이터를 수집하고 분석하지만, 어떤 데이터를 어떻게 조합하고 어떤 기준으로 분석하는지에 따라 전혀 다른 결과가 나오게 된다”고 설명했다.
그는 이어 “특히 보안 솔루션에 UBA가 사용된다면, 분석 방법과 룰셋의 신뢰성을 검증해야 한다. 분석방법이 없는 데이터는 무의미하기 때문”이라며 “내부적으로 축적된 보안 룰셋을 갖고, 컴플라이언스를 만족할 수 있는 제품을 찾아야 한다. 또한 공격을 인지하는 수준을 넘어 지능적인 대응과 예측이 가능하도록 해야 한다”고 말했다.
비즈니스 전문가 통찰력 높여주는 솔루션
코바이노베이션의 UBA 솔루션 ‘유엑스로거(Uxlogger)’는 분야별로 UBA를 적용할 때 필요한 룰셋을 자동으로 생성해준다. 또한 시간의 흐름에 따라 변하는 사용자 경험을 도출하고 이에 적합한 룰셋을 만들어 업데이트한다.
박 대표는 “UBA 솔루션에서 자동화된 분석기준 생성과 성능향상을 위해 알고리즘과 기술은 점점 더 고도화 되고 있으며 AI 인공지능 및 머신 러닝이 도입되고 있는 추세”라며 “완벽하게 인간처럼 지능을 갖추고 생각하는 수준은 아니더라도 비즈니스 전문가가 놓칠 수 있는 부분을 보완해주거나 분석성과를 높이는 데는 충분한 역할을 하고 있다. 또한 인간이 분석업무에 할애하는 시간과 노력을 덜 수 있다면 업무성과를 더욱 높일 수 있을 것”이라고 밝혔다.
