국내 최초의 Agentic PurpleOps: 공격과 방어가 스스로 순환하는 보안 운영

엘리스는 국내 최초로 Agentic PurpleOps를 구축해 실운영하고 있습니다.

시장에는 이미 AI로 보안 알림을 분류해 주는 'AI SOC'나, 공격을 자동화하는 'AI 레드티밍' 도구가 존재합니다. 하지만 엘리스가 만든 체계는 단순한 알림 분류기나 공격 툴이 아닙니다. 공격 에이전트와 방어 에이전트가 하나의 오케스트레이션 레이어 아래에서 서로를 끊임없이 검증하고 보완하는 상시 순환 체계, 즉 Agentic PurpleOps입니다.
이번 글에서는 Agentic PurpleOps의 개념과 기존 보안 접근법과의 차이점, 탄생 배경, 아키텍처 구성, 그리고 실제 운영에서 거둔 성과를 상세히 다룹니다.

1. Agentic PurpleOps란 무엇인가

보안 진영은 전통적으로 두 축으로 나뉩니다. 공격자 관점에서 취약점을 탐색하는 레드팀과, 방어자 관점에서 위협을 탐지·대응하는 블루팀입니다. 퍼플팀은 이 두 진영을 이어주는 협업 개념입니다. 레드팀이 발굴한 공격 경로를 블루팀의 탐지 규칙으로 전환하고, 블루팀의 탐지 사각지대를 레드팀이 다시 검증하는 순환 구조입니다.

하지만 사람이 직접 운영하는 퍼플팀 순환은 속도 한계가 분명합니다. 모의해킹 훈련은 분기나 반기에 한 번꼴로 열리고, 결과가 실제 탐지 룰에 반영되기까지 몇 주가 소요됩니다. 그 몇 주 사이에도 인프라 환경과 공격 기법은 끊임없이 변화합니다.

Agentic PurpleOps는 이 퍼플팀의 선순환 과정을 에이전틱 AI로 24시간 상시 가동하는 체계입니다. 목표가 부여되면 스스로 시나리오를 설계하고, 도구를 실행하며, 결과를 바탕으로 다음 행동을 자율 결정하는 에이전트들이 공격자와 방어자 역할을 맡아 퍼플팀 오케스트레이터의 통제 아래 끊임없이 서로를 검증합니다.

한 문장 정의 - Agentic PurpleOps란 공격 시뮬레이션, 위협 탐지, 헌팅, 대응, 규칙 개선의 전 과정을 자율 에이전트에게 위임하고, 사람은 *보안 정책 수립과 되돌릴 수 없는 고위험 결정을 승인하는 역할(HITL)*에 집중하는 상시 순환형 보안 운영 체계입니다.

2. AI SOC, AI 레드티밍과의 차이점

‘보안에 AI를 도입한다'는 접근은 크게 세 가지로 나뉩니다. ‘AI SOC’와 ‘AI 레드티밍’, 그리고 'Agentic PurpleOps’입니다. 이미 보안 시장에 제품군이 존재하는 앞의 두 가지 방식과 엘리스그룹의 Agentic PurpleOps는 다음과 같은 차이가 있습니다.

핵심 차이는 '피드백 루프가 닫혀(Closed-loop) 있는가'입니다.

• AI SOC는 기존 탐지 규칙에 걸린 이벤트만 처리할 수 있어 룰 외의 변종 공격을 놓치기 쉽습니다.
• AI 레드티밍은 진단 보고서를 내놓지만, 해당 공격이 실제 방어망에서 탐지되는지까지는 검증하지 못합니다.

반면 Agentic PurpleOps는 레드팀 에이전트의 공격 결과가 블루팀의 탐지 성적표가 되고, 블루팀의 탐지 공백이 레드팀의 다음 시나리오가 됩니다. "우리는 지금 무엇을 놓치고 있는가?"라는 질문에 시스템이 매일 스스로 답을 내놓는 구조입니다.

3. 구축 배경: 왜 직접 개발했는가

출발점은 대규모 보안 인력을 보유한 조직의 니즈가 아닌, 오히려 정반대의 현실적 제약이었습니다.

1. 폭증하는 로그 대비 한정된 분석 인력
대규모 클라우드·GPU 인프라를 운영하는 엘리스 환경에서는 서버, 컨테이너, WAF·방화벽, IAM, SaaS 등에서 하루 수십만 건의 이벤트가 발생합니다. 탐지 룰을 늘려도 최종 판단과 조치가 사람에게 쏠리면 병목을 해소할 수 없습니다.

2. 연 1~2회 모의해킹의 긴 검증 주기
신규 CVE와 지능형 공격 기법은 매일 쏟아집니다. 탐지망의 유효성을 연/분기 단위로 검증하는 방식으로는 검증 주기 사이의 거대한 사각지대를 막을 수 없습니다.

3. 보안 데이터의 외부 유출 불가 (Data Sovereignty)
내부 인증 기록, 네트워크 흐름, 방화벽 로그는 외부 상용 LLM API로 송출할 경우 데이터 주권 및 규제 준수(Compliance) 이슈가 발생합니다. 자체 GPU 클라우드를 보유한 엘리스 입장에서는 온프레미스 LLM 기반의 인하우스 구축이 가장 안전하고 필연적인 선택이었습니다.

4. 자사 인프라 기반의 기술 실증
AI 클라우드 기업으로서 에이전틱 AI가 실제 보안 실무에서 어느 수준까지 작동할 수 있는지를 자사 인프라에 먼저 적용해 입증하고자 했습니다.

요약하자면, 최소 인원으로 데이터 유출 없이, 검증 주기를 '분기'에서 '매일'로 전환하기 위해 Agentic PurpleOps를 개발했습니다.

4. 아키텍처 및 시스템 구성

1) 역할이 분리된 20여 개의 전문 에이전트

단일 LLM에게 모든 보안 업무를 위임할 수는 없습니다. 정찰, 로그 상관분석, 오탐 판별, 대응 집행은 각기 다른 전문성과 권한 분리가 필수적이기 때문입니다. 따라서 PurpleOps는 역할별 프롬프트와 최소한의 도구 권한만을 부여받은 20여 개의 에이전트로 세분화되어 있습니다.

• 레드팀 에이전트: 자산 정찰, 취약점 스캐닝, 공격 시나리오 실행, 결과 보고 — 사전 정의된 자산 범위(Scope) 내에서 비파괴 원칙으로만 동작합니다.
• 블루팀 에이전트: 로그 트리아지, 위협 헌팅, 위협 인텔리전스 분석, 탐지 엔지니어링, 대응 및 포렌식 — SIEM 수집 로그를 기반으로 탐지부터 대응 방안 제시까지 자율 수행합니다.
• 퍼플팀 에이전트: 오케스트레이터, 갭(Gap) 분석기, 지식 큐레이터 — MITRE ATT&CK 프레임워크 기준 탐지 커버리지 공백을 상시 계산하고, 공백 영역을 레드팀의 검증 과제와 블루팀의 룰 개선 과제로 자동 배분합니다.

2) 물리적으로 격리된 인프라 설계

공격 에이전트와 방어 에이전트는 직접적인 연결을 차단한 채 각각 분리된 서버에서 동작합니다. 레드팀이 블루팀 내부 룰을 미리 들여다보거나 반대의 경우가 발생하지 않도록, 양 진영 간 정보 교환은 반드시 퍼플팀 오케스트레이터가 관리하는 통제 채널에서만 이루어집니다. 체계의 공정성과 안전성을 아키텍처 수준에서 보장하는 구조입니다.

3) 자율성과 통제권의 경계선 (HITL)

로그 데이터 조회, 상관분석, 위협 판단, 가설 검증은 에이전트가 자율적으로 처리합니다. 하지만 방화벽 차단, 계정 정지, 전역 탐지 룰 반영, 주요 공격 시뮬레이션 실행 등 파급력이 큰 행위는 반드시 사람의 승인(Human-in-the-Loop)을 거쳐야 실행됩니다.

탐지 룰 역시 초안 생성 → 제한 범위 카나리 배포 → 24시간 모니터링 → 사람 승인 후 전역 반영의 단계를 준수하며, 이상 발생 시 레드팀 전체를 즉시 정지시키는 킬 스위치(Kill-Switch)를 탑재했습니다.

모든 에이전트의 행위와 판단 근거는 트레이싱(Tracing) 레이어에 기록되어 사후 감사가 가능합니다. 판단 과정이 투명하게 가시화되어 있어야 사람이 안심하고 승인할 수 있기 때문입니다. 향후 에이전트의 판단 정확도가 충분히 검증된 영역부터 자율 집행 범위를 단계적으로 확대할 계획입니다.

5. 실제 운영 성과 및 실증 효과

1) 공격 에이전트를 실시간 차단하는 방어 에이전트

레드팀 에이전트의 공격 시나리오 훈련 중, 블루팀 에이전트가 위협을 실시간 탐지하고 대응 절차를 발동해 공격 시도를 성공적으로 차단하는 사례가 지속적으로 관찰되고 있습니다. 사람이 짜놓은 스크립트가 아닌 자율 에이전트 간 실전 교전 결과입니다. 공격이 성공하면 탐지 공백을 메우고, 공격이 차단되면 방어망의 유효성이 입증되어 어떤 결과든 조직 전체의 보안 수준이 격상됩니다.

2) "우리가 놓치는 사각지대"의 매일 자가 진단

퍼플팀 갭 분석 에이전트가 MITRE ATT&CK 기반의 탐지 커버리지를 매일 산출합니다. 과거 컨설팅을 통해서만 확인하던 커버리지 평가가 매일 자동으로 업데이트되는 일상 운영 지표로 전환되었습니다.

3) 오탐 알림의 선제적 여과

보고서 작성 전 단계에서 별도의 검증 에이전트가 오탐 여부를 2차 검증합니다. 반복 발생하던 노이즈성 알림이 대폭 감소하여, 보안 담당자는 실제 고위험 사건 판단에만 집중할 수 있게 되었습니다.

📊 운영 수치 (자체 실증 환경 · 24시간 기준)

※ 자체 실증 환경 측정치로, 로그 볼륨 및 에이전트 튜닝 상태에 따라 달라질 수 있습니다.

가장 큰 변화는 보안 운영의 본질적 질문이 "오늘 어떤 알림이 발생했는가?"에서 "오늘 우리 방어 체계의 어떤 부분이 검증했고, 어떤 사각지대가 새로 발견했는가?"로 진화했다는 점입니다. 사람은 반복 알림 처리가 아닌 최종 승인과 보안 정책 수립에 집중하게 됩니다.

6. 향후 발전 방향

• 자동 대응 집행 범위의 단계적 확대: 승인 게이트와 롤백, 킬 스위치를 유지하면서 '제안 자동화'에서 '승인 후 집행 자동화' 범위를 확장합니다.

• 탐지 룰 생성 파이프라인의 완전 자동화: 공백 발견부터 룰 초안 작성, 카나리 검증, 반영까지의 시간을 단축합니다.

• 위협 인텔리전스 기반 선제 검증: KEV 및 신규 CVE 피드를 에이전트가 자동 수집하여 헌팅 시나리오로 변환하는 루프를 고도화합니다.

• GRC(Governance, Risk, Compliance) 연동: 기술적 커버리지 지표를 경영진 리스크 레지스터와 실시간 연동합니다.

• 자사 실증을 넘어 멀티테넌트 환경 확장: 자사 인프라 검증 노하우를 바탕으로 멀티테넌트 및 고객 자산 보호 체계로 확장할 계획입니다. (온프레미스 서빙 원칙 유지)

  
  

자주 묻는 질문 (FAQ)

Q. "국내 최초"라는 표현의 근거는 무엇인가요?
공개된 국내 보안 적용 사례 기준입니다. AI 기반 알림 분석(AI SOC)이나 자동 모의해킹 툴을 개별 도입한 사례는 있으나, 공격과 방어 에이전트가 하나의 오케스트레이션 레이어 아래 상시 순환하는 Agentic PurpleOps를 실운영하는 사례는 국내 최초입니다.
Q. 에이전트가 보안 분석가의 업무를 대체하나요?
대체하지 않습니다. 1차 조사, 오탐 여과, 커버리지 검증 등 반복적 노동을 위임할 뿐이며, 보안 정책 수립과 파급력이 큰 결정은 사람이 직접 승인합니다. 분석가는 고차원적 보안 전략 수립에 집중하게 됩니다.
Q. 레드팀 에이전트의 공격 시뮬레이션이 운영 서비스에 영향을 주진 않나요?
레드팀 에이전트는 사전 인가된 자산 범위 내에서 비파괴(Non-destructive) 방식으로만 동작합니다. 사람의 실행 승인 절차와 비상 멈춤(Kill-Switch) 장치가 겹겹이 존재하며, 고객 자산은 대상에서 원천 제외됩니다.
Q. 기존에 사용 중인 SIEM / SOAR를 교체해야 하나요?
그렇지 않습니다. 기존 SIEM의 수집 로그를 그대로 데이터 기반으로 활용하며, 그 위에 자율 판단 및 순환 검증 레이어를 얹는 방식으로 결합됩니다.