Fastly AI Firewall, 런타임 제어 기능과 함께 출시됐지만 진짜 시험대는 엣지 보안
Fastly는 9월 21일 Fastly AI Firewall, AI Runtime Control, 확장된 API Security를 포함한 상호 연계된 AI 제어 기능 3종을 출시했다. 이번 통합 출시로 모델 라우팅, 프롬프트 검사, 지출 한도, 에이전트 제한 기능이 Fastly의 기존 엣지 요청 경로에 포함됐다.
이 포지셔닝이 핵심적인 긴장을 만든다. Fastly는 또 하나의 독립형 모델 필터를 판매하는 것이 아니다. 자사 인프라를 애플리케이션, AI 제공업체, 사용자, 기업 API 사이의 제어 지점으로 만들려 한다.
Cloudflare와 Palo Alto Networks는 이미 이 지위의 일부를 두고 경쟁하고 있다. 따라서 Fastly는 자사의 엣지 아키텍처가 허용하기 어려운 지연 시간, 비용, 개인정보 노출 또는 배포 복잡성을 더하지 않으면서도 유용한 제어 기능을 제공한다는 점을 입증해야 한다.
이번 출시는 머신 트래픽이 Fastly 네트워크에서 더 큰 비중을 차지하는 시점에 이뤄졌다. Fastly는 2026년 7월과 8월에 머신 생성 요청이 네트워크 트래픽의 절반을 넘었다고 밝혔다. 또 1월부터 5월까지 AI 트래픽이 사람 트래픽보다 6.5배 빠르게 증가했다고도 전했다.
이 수치는 광범위한 인터넷에 대한 독립 측정치가 아니라 Fastly 자체 네트워크 관측에서 나온 것이다. 그럼에도 엣지 제공업체가 AI 거버넌스를 별도의 보안 범주가 아닌 인프라 기회로 보는 이유를 설명한다.
Fastly AI Firewall, 엣지를 AI 제어 지점으로 전환
Fastly의 이번 출시는 프로덕션 AI 요청의 서로 다른 부분을 다루는 세 가지 제어 기능을 결합한다.
AI Runtime Control은 애플리케이션과 모델 제공업체 사이에 위치한다. 애플리케이션은 각 제공업체를 직접 호출하는 대신 하나의 Fastly 엔드포인트를 통해 모델 요청을 보낸다.
Fastly는 가상 키를 사용해 실제 제공업체 자격 증명을 보호한다. 관리자는 퍼블릭 또는 자체 호스팅 제공업체에 대한 접근을 유지하면서 이러한 키를 모델, 사용자, 예산, 트래픽 한도와 연결할 수 있다.
이 아키텍처는 운영자에게 요청량, 토큰 소비량, 제공업체 선택, 모델 응답에 대한 중앙화된 가시성을 제공한다. 또한 구성된 서비스가 사용할 수 없게 되면 제공업체 장애 조치도 지원한다.
Fastly AI Firewall는 이 제어 플레인에 보안 검사를 추가한다. 프롬프트를 전달하기 전에 확인하고, 적격 응답은 애플리케이션에 반환하기 전에 검사한다.
회사는 방화벽이 알려진 프롬프트 인젝션 및 탈옥 패턴을 탐지한다고 설명한다. 프롬프트 인젝션은 신뢰할 수 없는 입력이 모델을 제어해야 하는 지침을 대체하거나 무효화하려 할 때 발생한다.
고객은 방화벽을 로깅 모드 또는 차단 모드로 실행할 수 있다. 로깅은 탐지 기록을 남기면서 요청을 유지하고, 차단은 일치하는 요청이 제공업체에 도달하기 전에 거부한다.
세 번째 구성 요소는 기업 API를 호출하는 에이전트를 다룬다. Fastly의 확장된 API Security는 수신 요청을 서비스가 허용하는 작업과 데이터 형식을 정의한 공개 API 계약과 비교할 수 있다.
조직은 그러한 계약을 위반하는 요청을 관찰하거나 차단할 수 있다. 이 제어는 기존 애플리케이션, 보조 워크플로, 자율 에이전트에 적용된다.
이 구분은 에이전트가 지원되지 않는 작업을 시도하면서도 문법적으로는 유효한 네트워크 트래픽을 생성할 수 있기 때문에 중요하다. 전통적인 가용성 검사는 요청된 작업이 에이전트의 권한 범위에 속하는지 판단하지 못한다.
Fastly는 세 가지 구성 요소를 하나의 요청 경로 시스템으로 제시한다. 모델 호출은 라우팅 및 측정할 수 있고, 프롬프트는 검사할 수 있으며, 에이전트 작업은 API 경계에서 제한할 수 있다.
출시 발표에 따르면, Fastly가 이를 발표한 시점에 세 가지 기능 모두 이용 가능해졌다. 이번 발표는 향후 프리뷰나 초대 전용 연구 프로젝트를 설명한 것이 아니다.
Fastly는 이 제어 기능들이 기존 글로벌 플랫폼에서 실행된다고도 밝혔다. 회사에 따르면 이 네트워크의 용량은 2026년 6월 30일 기준 초당 622테라비트였다.
Fastly는 3월 31일 기준으로 하루 5조 건 이상의 요청을 처리했다고 밝혔다. 이 수치는 플랫폼 규모를 보여주지만, 새 AI 제품의 성능을 입증하지는 않는다.
그럼에도 전략적 변화는 분명하다. Fastly는 AI 지출과 보안 정책을 함께 집행할 수 있는 모델 요청 경로로 콘텐츠 전송 및 애플리케이션 보안 영역을 확장했다.
이는 독립형 프롬프트 필터보다 더 폭넓은 판매 제안을 만든다. 동시에 고객에게 민감한 모델 상호작용을 또 하나의 운영 계층 안에 배치하도록 요구한다.
AI Runtime Control이 인프라 경쟁으로 떠오르는 이유
엔터프라이즈 AI는 라우팅 문제, 비용 문제, 권한 부여 문제를 동시에 만든다.
초기 AI 애플리케이션은 하나의 자격 증명으로 단일 모델 제공업체에 직접 연결하는 경우가 많다. 하지만 프로덕션 시스템은 팀이 여러 모델, 계정, 리전, 장애 조치 경로를 사용하기 때문에 더 복잡하다.
에이전트는 이러한 복잡성을 확장한다. 에이전트는 사람이 모든 네트워크 호출을 승인하지 않아도 도구를 선택하고, 요청을 보내며, 데이터를 가져오고, 작업을 실행할 수 있다.
Fastly AI Runtime Control은 이러한 상호작용이 제공업체에 도달하기 전에 표준화하려 한다. 가상 키는 호출자를 식별하고, Fastly는 이후 요청 경로에서 실제 제공업체 자격 증명을 대체한다.
이는 애플리케이션과 개발 환경 전반에 제공업체 키가 퍼지는 것을 줄일 수 있다. 또한 조직에 속도 및 예산 정책을 적용할 일관된 지점을 제공한다.
Fastly의 런타임 문서에 따르면 속도 제한은 분당 요청 수 또는 토큰 수를 기준으로 작동할 수 있다. 예산 규칙은 구성된 임계값 이후 관리자에게 알림을 보내거나 추가 활동을 차단할 수 있다.
토큰 기반 집행에는 중요한 단서가 있다. Fastly는 응답이 완료될 때까지 최종 토큰 수를 알 수 없으므로, 토큰 한도는 최선 노력 기준으로 작동한다고 밝힌다.
이는 제어 플레인이 완벽히 정확한 토큰 집행을 보장하지 않으면서도 사용량을 제한할 수 있음을 의미한다. 비용이 큰 응답은 최종 토큰 수가 회계 기록에 반영되기 전에 완료될 수 있다.
같은 문서에 따르면 관리자는 요청 및 응답 기록을 검사할 수 있다. 로그에는 모델명, 가상 키, 세션 데이터, 타임스탬프, 토큰 수가 포함될 수 있다.
이러한 가시성은 운영상 가치를 제공하지만, 거버넌스 문제도 만든다. 프롬프트와 완료 응답에는 내부 문서, 고객 데이터, 자격 증명 또는 개인 정보가 담길 수 있다.
보안팀은 이러한 기록을 중앙화하기 전에 명확한 보존, 접근 제어, 리전별 처리 정책을 마련해야 한다. 통합 로그는 조직이 누가 이를 검사할 수 있는지도 관리할 때에만 유용하다.
트래픽 관리와 보안을 결합한 Fastly의 결정은 더 큰 시장 변화를 반영한다. AI 게이트웨이는 단순 프록시가 아니라 정책 집행 지점이 되고 있다.
예를 들어 Cloudflare는 자사 네트워크에서 AI Gateway 모니터링과 애플리케이션 보안 제어를 결합한다. Cloudflare의 프롬프트 인젝션 제어 기능은 고객이 방화벽 또는 속도 제한 규칙에서 사용할 수 있는 점수를 요청에 부여한다.
Palo Alto Networks는 엔터프라이즈 보안 관점에서 이 문제에 접근한다. 이 회사의 런타임 보안은 모델, 애플리케이션, 에이전트, 플러그인, 데이터, 외부 서비스 간의 실시간 상호작용을 검사한다.
이들 제품의 아키텍처나 적용 범위는 동일하지 않다. 그러나 AI 상호작용을 아직 관찰하고 차단할 수 있는 동일한 가치 있는 위치를 두고 경쟁한다.
Fastly의 강점은 애플리케이션 트래픽을 전송하고 보호하는 기존 역할에 있다. 이미 Fastly의 엣지 네트워크를 사용하는 고객은 또 다른 독립형 게이트웨이를 배포하는 것보다 기존 제어 플레인을 확장하는 편을 선호할 수 있다.
약점도 마찬가지로 직접적이다. 구매자는 이미 모델, ID 또는 데이터 제어에 더 가까이 위치한 클라우드 플랫폼, 보안 공급업체 또는 전문 게이트웨이를 선택할 수 있다.
이 경쟁은 인프라 제공업체와 엔터프라이즈 구매자 모두에게 압박을 가한다. 제공업체는 상충하는 정책 시스템을 만들지 않으면서 성능, 보안, 관측 가능성, 비용 거버넌스를 연결해야 한다.
구매자는 권한이 어디에 있어야 하는지 결정해야 한다. 네트워크 엣지는 폭넓은 가시성을 제공하는 반면, 애플리케이션 코드는 더 세부적인 비즈니스 맥락을 보존할 수 있다.
어떤 단일 계층도 모든 것을 보지는 못한다. 게이트웨이는 요청을 검사할 수 있지만, 애플리케이션은 요청된 작업이 특정 고객이나 워크플로에 적절한지 알 수 있다.
Fastly는 애플리케이션이 자체 권한 부여 로직을 유지하는 가운데 엣지가 공통 집행 계층이 될 수 있다는 데 베팅하고 있다. AI Runtime Control의 가치는 이 두 계층이 얼마나 잘 협력하느냐에 달려 있다.
제품의 작동 방식은 한계도 규정한다
Fastly AI Firewall는 요청 경로의 노출을 줄이지만, 프롬프트 인젝션이나 위험한 에이전트 행동을 제거하지는 않는다.
Fastly는 자사의 검사가 결정론적이라고 설명한다. 방화벽은 모든 프롬프트를 또 다른 생성형 모델로 보내는 대신 알려진 인젝션 및 탈옥 시그니처에 대해 요청을 검사한다.
이 선택에는 실질적인 장점이 있다. 결정론적 검사는 예측 가능한 동작을 제공하고 모든 상호작용에 두 번째 모델을 실행하는 비용을 피할 수 있다.
Fastly는 신뢰할 수 없는 입력을 암호학적 경계 토큰으로 감싼다. 함께 제공되는 지침은 모델에 감싸진 자료를 권위 있는 명령이 아니라 데이터로 취급하라고 지시한다.
이 기법은 언어 모델 애플리케이션의 기본적인 약점을 다룬다. 시스템 지침과 신뢰할 수 없는 텍스트는 의도된 권한이 다름에도 결국 관련된 토큰 스트림으로 모델에 도달한다.
따라서 악의적인 문서에는 이를 읽는 모델을 겨냥한 지침이 포함될 수 있다. 페이로드가 검색된 콘텐츠, 이메일, 웹사이트 또는 다른 외부 소스를 통해 들어오면 공격은 간접적이 된다.
Fastly는 공격이 모델에 영향을 미쳤다는 증거가 있는지 적격 출력을 검사한다. 관리자는 다른 요청 정보와 함께 탐지 태그, 위협 분류, 카나리 결과를 검토할 수 있다.
이러한 제어는 알려진 공격에 대한 마찰을 더하지만, 공격자는 표현, 인코딩, 언어 또는 맥락을 바꿀 수 있다. 새로운 회피 기법이 등장함에 따라 시그니처 시스템도 계속 바뀌어야 한다.
OWASP는 대규모 언어 모델 애플리케이션의 주요 위험을 다룬 2025년 목록에서 프롬프트 인젝션을 첫 번째로 꼽는다. OWASP의 예방 가이드는 하나의 필터에 의존하는 대신 다층 방어를 권장한다.
이러한 방어에는 지침과 데이터 분리, 모델 권한 제한, 출력 검증, 중요한 작업에 대한 사람의 승인 요구, 행동 모니터링이 포함된다.
Fastly의 문서는 또 다른 경계를 드러낸다. 응답 검사는 완전한 응답을 요구하므로, 스트리밍 요청은 출력 검사 없이 통과한다.
스트리밍은 전체 답변을 기다리는 대신 생성된 텍스트를 점진적으로 전달한다. 이는 반응성 높은 채팅 인터페이스를 지원하지만, 애플리케이션이 수신을 시작하기 전에 방화벽이 완료된 응답을 평가할 수는 없다.
구조적 격리는 요청에 토큰을 추가한다. Fastly는 고객의 모델 제공업체가 일반적인 사용량 기준에 따라 이러한 추가 토큰에 대해 비용을 청구한다고 밝힌다.
그렇다고 이러한 보호 기능이 비현실적이라는 뜻은 아니다. 다만 고객은 추가 토큰 비용이 실제 운영 규모에서도 감당 가능한 수준인지 측정해야 한다.
지연 시간도 마찬가지로 면밀히 살펴봐야 한다. 인라인 검사는 사용자가 이미 모델 추론, 도구 실행, 데이터 검색을 기다리는 경로에 처리 과정을 추가한다.
Fastly의 엣지 인프라는 많은 요청에서 네트워크 거리를 줄여줄 수 있다. 하지만 발표 내용에는 전체 방화벽 및 제어 플레인 처리 순서에 대한 독립적인 지연 시간 벤치마크가 제시되지 않았다.
오탐은 별도의 절충 과제다. 보안 관련 논의, 디버깅 프롬프트, 연구 콘텐츠에는 공격에서 사용되는 것과 동일한 문구가 정당하게 포함될 수 있다.
로깅 모드는 팀이 차단 전에 이러한 탐지 결과를 관찰할 수 있게 한다. 동시에 평가 기간 동안 일치하는 요청은 계속 활성 상태로 남는다.
차단 모드는 이러한 노출을 줄이지만 정상 트래픽을 거부할 위험이 있다. 고객은 하나의 정책이 모든 애플리케이션에 적합하다고 간주하기보다 워크로드별 테스트를 수행해야 한다.
API 강제 적용 구성 요소 역시 정확한 계약에 의존한다. 오래되었거나 불완전한 스키마는 정상적인 에이전트 활동을 차단하거나, 비즈니스 맥락에서만 위험이 드러나는 작업을 허용할 수 있다.
계약 준수는 권한 부여와 동일하지 않다. 에이전트는 부적절한 목표를 추구하면서도 유효한 데이터로 허용된 엔드포인트를 호출할 수 있다.
따라서 이 제품은 더 넓은 시스템의 한 계층으로 사용할 때 가장 효과적이다. 애플리케이션 권한, ID 제어, 도구 제한, 감사 로그, 사람의 승인은 여전히 필요하다.
이번 출시는 이러한 제어 기능을 기존 인프라 안에 통합했다는 점에서 중요하다. 그 중요성을 네트워크 검사가 전체 에이전트 보안 문제를 해결한다는 주장과 혼동해서는 안 된다.
Fastly, 동일한 요청 경로를 두고 Cloudflare 및 보안 벤더와 경쟁
핵심 경쟁은 기반 모델의 소유권이 아니라 AI 트래픽의 제어를 둘러싸고 벌어진다.
Fastly는 고객이 하나의 모델 제공업체로 표준화할 필요가 없다. AI Runtime Control은 공통 엔드포인트를 통해 퍼블릭 모델과 자체 호스팅 모델 전반으로 요청을 라우팅하도록 설계됐다.
제공업체 독립성은 장애, 변화하는 모델 성능, 단일 벤더 의존을 우려하는 팀에 매력적일 수 있다. 동시에 고객이 운영하고 신뢰해야 하는 중앙 중개 계층을 만든다.
Cloudflare도 유사한 엣지 전략을 따른다. AI Gateway는 모델 관측성과 제어를 담당하며, AI Security for Apps는 웹 애플리케이션 방화벽을 통해 프롬프트, 주제, 데이터 관련 탐지를 추가한다.
Cloudflare가 공개한 인젝션 시스템은 1에서 99까지의 등급형 점수를 사용한다. Fastly는 결정론적 시그니처, 경계 토큰, 탐지 태그, 고객이 선택하는 로그 또는 차단 동작을 강조한다.
공개된 문서는 서로 다른 제어 표면을 설명하지만, 정확도에 대한 단정적인 비교를 뒷받침하지는 않는다. 독립 테스트에는 공통 데이터세트, 구성, 모델, 공격 방식이 필요하다.
Palo Alto Networks는 더 폭넓은 보안 프레임을 제시한다. 이 회사의 런타임 제품은 인젝션, 오염된 콘텐츠, 악성 링크, 데이터 유출, 모델 상호작용, 에이전트 활동에 대한 보호 기능을 설명한다.
이러한 폭넓은 범위는 이미 보안 운영을 Palo Alto Networks로 표준화한 조직에 적합할 수 있다. Fastly는 애플리케이션 전송과의 근접성, 그리고 기존 고객에게 익숙한 아키텍처로 대응할 수 있다.
전문 AI 보안 기업은 또 다른 압박 요인이다. 이들은 일반적인 전송 네트워크를 유지하지 않고도 모델 평가, 레드 팀 테스트, 가드레일, 에이전트 행동에 집중할 수 있다.
전문 기업은 하나의 위협 범주 안에서 빠르게 혁신할 수 있다. 그러나 고객에게 또 하나의 벤더, 프록시, 정책 언어, 텔레메트리 저장소를 추가하도록 요구할 수도 있다.
따라서 구매 결정은 기능 체크리스트만으로 이뤄지지 않는다. 팀은 배포 위치, 데이터 처리, 모델 지원 범위, 정책 표현력, 관측성, 장애 동작을 비교해야 한다.
장애 동작에는 특히 주의가 필요하다. 인라인 제어는 검사, 로깅 또는 정책 서비스가 사용할 수 없게 될 때 트래픽을 계속 통과시킬지 결정해야 한다.
Fail-open 동작은 가용성을 보호하지만 검사되지 않은 트래픽을 허용한다. Fail-closed 동작은 강제 적용을 보존하지만 보안 의존성을 애플리케이션 장애로 바꿀 수 있다.
Fastly는 AI Runtime Control 내의 제공업체 페일오버를 강조한다. 구매자는 방화벽 검사, 로깅, 정책 평가, API 검증에서 발생하는 장애를 플랫폼이 어떻게 처리하는지 별도로 확인해야 한다.
벤더 통합에는 자체적인 긴장 관계도 있다. 전송, 애플리케이션 보안, AI 라우팅, 에이전트 제어에 하나의 플랫폼을 사용하면 운영 분산을 줄일 수 있다.
반면 하나의 요청 경로에 대한 의존도는 커질 수 있다. 구성 실수, 플랫폼 장애, 계정 침해는 여러 계층에 동시에 영향을 줄 수 있다.
엄격한 격리 요건을 가진 조직은 별도 제공업체나 강제 적용 지점을 선호할 수 있다. 다른 조직은 더 단순한 운영과 통합 텔레메트리를 위해 집중화를 받아들일 것이다.
Fastly는 기존 엣지 고객이 회사에 모델 상호작용 관리를 맡기고 싶어 한다는 점도 입증해야 한다. 웹 자산을 전송하는 일과 전체 AI 대화를 검사하는 일은 서로 다른 개인정보 보호 및 규정 준수 기대를 만든다.
가장 강력한 단기 도입 경로는 기존 Fastly 고객을 통해 형성될 가능성이 높다. 이들은 이미 애플리케이션 트래픽을 네트워크로 전송하고 있으며 구성 모델을 이해하고 있다.
신규 고객은 더 어려운 비교에 직면한다. Fastly는 전용 벤더와 경쟁할 만한 충분한 보안 깊이와 모델 호출을 재라우팅할 만큼의 운영 가치를 보여줘야 한다.
이것이 이번 출시가 단순한 기능 발표 이상인 이유다. Fastly는 애플리케이션 보호에서, 해당 애플리케이션이 생성하는 AI 활동의 거버넌스로 영역을 확장하려 하고 있다.
Fastly의 AI 보안 베팅이 성공하는지 보여줄 세 가지 신호
도입 증거, 독립적인 보안 테스트, 경쟁사의 대응은 엣지가 지속 가능한 AI 제어 계층이 될 수 있는지를 보여줄 것이다.
첫 번째 신호는 실제 운영 환경에서의 도입이다. Fastly는 궁극적으로 어떤 모델, 워크로드, 정책이 AI Runtime Control을 통해 실행되는지 설명하는 고객 사례를 공개해야 한다.
유용한 사례 연구는 배포 범위, 마이그레이션 노력, 차단된 활동, 오탐 처리, 운영 결과를 보고할 것이다. 관측성이나 보안에 대한 일반적인 언급은 증거로서의 가치가 낮다.
고객은 프롬프트와 완료 로그를 어떻게 관리하는지도 설명해야 한다. 이 정보는 중앙화된 관측성이 개인정보 보호, 규정 준수, 내부 접근 검토를 견딜 수 있는지 보여줄 것이다.
두 번째 신호는 Fastly AI Firewall에 대한 독립적인 평가다. 테스트는 직접 인젝션, 간접 인젝션, 탈옥, 인코딩된 프롬프트, 다국어 공격, 무해한 보안 콘텐츠 전반에서 탐지율을 측정해야 한다.
또한 오탐률, 지연 시간, 추가 토큰 소비량, 스트리밍 중 동작을 공개해야 한다. 이러한 측정 없이는 구매자가 아키텍처는 비교할 수 있어도 검증된 방어 성능은 비교할 수 없다.
테스트는 변화하는 모델과 공격 방식을 고려해야 한다. 알려진 시그니처에 대해 좋은 성능을 내는 제어 기능도 적응형 또는 애플리케이션별 공격에는 여전히 취약할 수 있다.
세 번째 신호는 Cloudflare, Palo Alto Networks, 전문 벤더가 어떻게 대응하는지다. 더 통합된 라우팅, ID, 데이터 유출 방지 또는 에이전트 권한 부여는 Fastly의 통합 플랫폼에 대한 압박을 높일 것이다.
Fastly 자체의 로드맵도 중요하다. 현재 문서는 최선 노력 기반 토큰 강제 적용과 스트리밍 응답의 불완전한 검사 등 실질적인 한계를 이미 지적하고 있다.
이러한 격차를 해소하면 하나의 제어 플레인을 사용해야 한다는 근거가 강화될 것이다. 그대로 둘 경우 애플리케이션 수준 또는 경쟁 보안 계층이 들어설 여지가 남는다.
엔터프라이즈 팀은 출시를 평가하기 위해 시장이 안정될 때까지 기다릴 필요가 없다. 로깅 모드에서 제한된 워크로드로 시작하고, 탐지 결과를 기존 제어 기능과 비교할 수 있다.
파일럿에는 대표적인 무해한 프롬프트, 적대적 테스트, 스트리밍 응답, 제공업체 장애, 예산 한도 시나리오가 포함돼야 한다. 팀은 Fastly가 무엇을 저장하고 각 기록에 누가 접근할 수 있는지도 확인해야 한다.
에이전트 시험에는 추가 테스트가 필요하다. 에이전트는 명시적인 도구 권한과 API 계약을 갖춘 상태에서 유효한 워크플로와 권한 없는 워크플로를 모두 시도해야 한다.
결과는 네트워크 요청 수준만이 아니라 비즈니스 작업 수준에서 측정해야 한다. 형식이 올바른 요청도 받아들일 수 없는 작업을 만들어낼 수 있다.
Fastly AI Firewall은 보안을 라우팅, 지출, 에이전트 API 강제 적용과 연결한다는 점에서 주목할 만하다. 이 조합은 독립적인 프롬프트 필터보다 운영 환경의 AI 형태에 더 가깝게 부합한다.
남은 질문은 Fastly가 네트워크에서의 위치를 AI 행동에 대한 신뢰할 수 있는 권한으로 전환할 수 있는지다. 엣지 검사는 가시성과 강제 적용 기회를 제공하지만, 비즈니스 맥락은 여전히 다른 곳에 있다.
개발자와 보안 리더에게 다음 단계는 구체적이다. 실제 워크로드를 대상으로 Fastly AI 제어 기능을 테스트하고, 모든 사각지대를 문서화하며, 결과를 경쟁 요청 경로 방어 수단과 비교해야 한다. 제품의 가치는 그 아래 네트워크의 규모가 아니라 장애와 공격 상황에서 측정된 동작을 통해 드러날 것이다.
