Thales CipherTrust DSPM, AI 데이터 보안을 가시성 너머로 확장

Thales는 기존 데이터 보안 도구를 향한 분명한 문제 제기와 함께 Thales CipherTrust DSPM을 출시했다. 노출된 정보를 찾아내는 것만으로는 더 이상 충분하지 않다는 것이다. 2026년 10월 1일 발표된 이 플랫폼은 데이터 검색과 위험 분석을 암호화, 마스킹, 토큰화와 연결한다. 이는 AI 에이전트가 기업 시스템 전반의 민감한 정보에 접근하게 되면서 커지는 문제를 겨냥한다.

핵심 변화는 데이터를 목록화하는 또 하나의 대시보드가 아니다. Thales는 위험한 노출을 식별하는 동일한 환경에서 보안 팀이 정보를 보호할 수 있도록 하려 한다. 자율 소프트웨어가 기계 속도로 정보를 검색하고 이동할 수 있는 상황에서는 접근 제한만으로 신뢰하기 어려워진다는 것이 이 회사의 주장이다.

이는 Thales를 가시성, 권한, 권장 개선 조치에 초점을 둔 더 광범위한 보안 태세 관리 모델과 경쟁하게 만든다. Microsoft, Palo Alto Networks, IBM 및 전문 공급업체는 이미 경쟁 접근법을 제공하고 있다. 이제 경쟁의 관건은 유용한 AI 업무를 방해하지 않으면서 보안 플랫폼이 위험 정보를 얼마나 신속하게 강제 가능한 보호 조치로 전환할 수 있는지에 있다.

Thales CipherTrust DSPM, 검색과 보호를 연결하다

이번 출시는 DSPM을 단순한 자산 목록화 작업에서 민감한 데이터를 위한 통제 지점으로 전환하겠다는 제안이다.

DSPM(Data Security Posture Management)은 민감한 정보를 지속적으로 식별하고, 노출 수준을 평가하며, 위험의 우선순위를 정하는 방식이다. 기업 데이터가 더 이상 단일 데이터베이스나 데이터 센터에만 존재하지 않게 되면서 이 분야가 등장했다. 오늘날 데이터는 클라우드 스토리지, 소프트웨어 서비스, 분석 시스템, 협업 플랫폼, 자체 인프라 전반에 걸쳐 있다.

Thales는 CipherTrust DSPM이 클라우드, 온프레미스, 하이브리드 환경 전반에서 정형 및 비정형 정보를 다룬다고 말한다. 정형 데이터에는 데이터베이스 내부의 체계화된 레코드가 포함된다. 비정형 데이터에는 고정된 데이터베이스 스키마가 없는 문서, 메시지, 소스 파일 및 기타 자료가 포함된다.

이 플랫폼은 검색 및 분류 기능을 접근 권한, 자격, 활동, 행동에 관한 정보와 결합한다. 이 맥락은 팀이 중대한 노출과 우선순위가 낮은 구성 문제를 구분하도록 돕기 위해 설계됐다. 또한 의심스러운 접근 패턴과 잠재적인 내부자 활동을 조사하는 기반도 제공한다.

무엇보다 Thales CipherTrust DSPM은 이러한 조사 결과를 네이티브 보호 제어 기능과 연결한다. 보안 팀은 민감하거나 노출된 것으로 식별된 정보에 암호화, 토큰화 또는 마스킹을 적용할 수 있다.

암호화는 읽을 수 있는 정보를 적절한 키를 가진 승인된 시스템이 되돌릴 수 있는 암호문으로 변환한다. 토큰화는 원본 정보를 보호된 시스템에 유지하면서 민감한 값을 대체 토큰으로 바꾼다. 마스킹은 완전한 레코드가 필요하지 않은 사용자에게 선택된 필드나 문자를 숨긴다.

이러한 제어 기능은 서로 다른 문제를 해결한다. 암호화는 스토리지, 인프라 또는 접근 경계가 실패할 때 정보를 보호한다. 토큰화는 워크플로의 예상 형식을 유지하면서 AI 워크플로에서 규제 대상 값을 제거할 수 있다. 마스킹을 사용하면 직원이나 애플리케이션은 모든 민감 필드를 보지 않고도 레코드 일부를 활용할 수 있다.

공식 출시 발표는 이러한 통합을 제품의 주요 차별점으로 제시한다. Thales는 CipherTrust DSPM이 검색과 접근 기반 개선 조치를 넘어가도록 설계됐다고 설명한다. 이러한 “최초”라는 위치 설정은 회사의 주장일 뿐, 독립적으로 확립된 시장 순위는 아니다.

Thales의 데이터 보안 제품 담당 부사장인 Todd Moore는 차이를 더 좁게 설명했다. 그는 조직이 실제로 위험에 처한 정보가 무엇인지 이해하고 직접 조치를 취해야 한다고 말했다. 그의 핵심 비판은 기존 DSPM의 개선 조치가 흔히 접근 제한에 집중한다는 점이다.

이 차이는 중요하다. 권한을 제거한다고 해서 파일의 모든 기존 사본이 보호되는 것은 아니다. 또한 분석 시스템, 벡터 데이터베이스, 프롬프트 로그 또는 모델 출력에 이미 복사된 정보를 자동으로 해결하지도 못한다.

직접적인 보호는 ID 제어를 대체하지 않는다. 암호화가 모든 과도한 권한 계정을 바로잡을 수 있는 것은 아니며, 토큰화가 에이전트가 왜 비정상적인 레코드를 요청했는지 설명할 수도 없다. 대신 Thales는 접근 거버넌스와 데이터 수준의 제어가 함께 작동해야 한다고 주장한다.

이번 출시는 완전히 별도의 보안 아키텍처를 도입하기보다 기존 CipherTrust 기능을 기반으로 한다. Thales는 이미 데이터 검색, 분류, 암호화, 토큰화, 키 관리, 활동 모니터링 제품을 판매하고 있다. CipherTrust DSPM은 위험 우선순위 지정 워크플로를 중심으로 이러한 기능을 묶는다.

따라서 이 제품은 명확한 검증 과제를 제시한다. 고객은 통합이 개선 조치 시간을 단축하는지, 아니면 기존 제어 기능을 다른 인터페이스로 제시할 뿐인지 판단해야 한다. 대시보드에 표시되는 조사 결과의 수보다 이러한 운영상의 결과가 더 중요할 것이다.

AI 에이전트가 권한 중심 보안의 확실성을 낮추다

AI 에이전트는 기존 검토 절차가 대응할 수 있는 속도보다 빠르게 정보를 검색하고, 결합하고, 전송할 수 있기 때문에 위험을 높인다.

일반 직원은 보통 한 번에 하나의 인터페이스에서 레코드를 연다. AI 에이전트는 하나의 워크플로 내에서 여러 저장소를 검색하고, 문서를 요약하며, 연결된 도구를 호출하고, 후속 작업을 실행할 수 있다. 각각의 기능은 단일 ID 또는 서비스 계정을 통해 접근 가능한 정보의 양을 늘린다.

이는 기반 시스템이 설계대로 작동하더라도 문제를 만든다. 직원은 여러 데이터 소스에 정당하게 접근할 수 있지만, 해당 직원을 위해 작동하는 보조 도구는 이들 소스를 의도하지 않은 방식으로 결합할 수 있다. 그 결과 생성된 요약은 개별 문서만으로는 드러나지 않았던 정보를 노출할 수 있다.

일반적으로 RAG라고 불리는 검색 증강 생성은 이 문제를 잘 보여준다. RAG 애플리케이션은 외부 지식 소스를 검색하고, 답변을 생성하기 전에 관련 자료를 모델의 컨텍스트에 삽입한다. 이 설계는 모델을 재학습하지 않고도 기업 내부의 비공개 정보에 관한 질문에 답하도록 돕는다.

그러나 RAG 시스템은 연결된 모든 저장소의 권한 오류, 오래된 접근 규칙, 분류 공백을 물려받는다. 또한 임베딩, 벡터 저장소, 프롬프트, 응답, 추적 데이터, 진단 로그 등 정보가 존재하는 새로운 위치를 만든다.

Thales는 AI 배포가 확장되기 전에 플랫폼이 민감한 정보를 식별할 수 있다고 말한다. 이후 해당 정보를 접근 및 활동 신호와 연결할 수 있다. 회사에 따르면 이 제품은 행동 분석을 활용해 비정상적인 접근을 표시하고, 관련 신호를 공격 체인으로 연결한다.

이 기능들은 정적인 접근 검토의 약점을 겨냥한다. 사용자가 고객 데이터베이스를 열 유효한 권한을 갖고 있더라도, 갑작스러운 대량 검색은 여전히 오용을 시사할 수 있다. AI 에이전트 역시 개별적으로는 허용된 일련의 행동을 비정상적으로 수행해 해로운 결과를 만들 수 있다.

이러한 긴급성은 Thales 자체 설문 조사에서도 뒷받침되지만, 해당 수치는 공급업체 후원 조사 결과로 읽어야 한다. 회사의 2026 위협 보고서에 따르면 응답자의 70%는 AI 생태계의 급격한 변화를 AI 관련 보안 우려 상위 세 가지 중 하나로 꼽았다. 4명 중 1명은 AI 보안을 지출 우선순위 상위 세 가지에 포함했다.

이 보고서는 또한 민감한 정보 노출을 겨냥한 공격이 AI 및 대규모 언어 모델 공격 범주 가운데 가장 큰 보고상 증가세를 보였다고 밝혔다. 이 결과는 응답자들의 관찰과 우선순위를 설명한다. 모든 침해를 독립적으로 측정하거나 특정 보안 제품이 이를 방지하는지 판단하는 것은 아니다.

그럼에도 이러한 양상은 Thales가 지금 이 제품을 출시하는 이유를 설명한다. 기업은 직원용 챗봇을 넘어 행동을 수행할 수 있는 시스템으로 이동하고 있다. 보안 팀은 사람의 접근뿐 아니라 위임된 권한으로 작동하는 소프트웨어도 관리해야 한다.

압박은 보조 도구를 광범위한 내부 지식과 연결하는 조직에 가장 크게 가해진다. 제품 팀은 계약서, 티켓, 회의 메모, 고객 기록, 기술 문서에서 유용한 답변을 얻고자 한다. 보안 팀은 검색이 목적, ID, 지역, 데이터 민감도를 준수하도록 보장해야 한다.

같은 긴장은 개인 및 팀 지식 시스템에도 적용된다. 잘 관리된 AI 지식 기반은 검색을 개선할 수 있지만, 그 유용성은 명확한 접근 경계와 신뢰할 수 있는 소스 맥락에 달려 있다. 민감도를 이해하지 못한 채 더 많은 정보를 연결하면 노출이 증가한다.

규제 산업은 추가적인 문제에 직면한다. 원본 문서가 승인된 저장소 안에 머물더라도 모델 응답은 보호된 정보를 재현하거나 변환할 수 있다. 따라서 보안 제어는 스토리지 위치뿐 아니라 전체 정보 경로를 고려해야 한다.

이 때문에 이번 출시는 일상적인 제품 업데이트보다 더 중요하다. Thales는 AI 접근을 모델 보안 문제가 되기 전에 데이터 보안 이벤트로 다루고 있다. 이 접근법은 에이전트가 도달할 수 있는 정보에서 시작해 검색이 시작된 뒤에도 그 정보가 어떻게 보호되는지 묻는다.

진정한 경쟁은 가시성과 강제 가능한 보호의 대결이다

Thales는 고객이 주로 노출을 보고하는 태세 플랫폼보다 노출된 데이터의 상태를 바꾸는 플랫폼을 선호할 것이라고 본다.

기존 DSPM 제품은 일반적으로 네 가지 질문에 답한다. 민감한 정보가 어디에 있는지, 누가 접근할 수 있는지, 어떻게 사용되는지 식별하고, 위험을 줄이기 위한 조치를 권고한다. 팀은 찾아내지 못한 정보를 보호할 수 없기 때문에 이 기반은 여전히 필요하다.

Thales의 주장은 이 과정이 흔히 끝나는 지점에서 시작한다. 대시보드는 개인 기록을 포함한 데이터베이스를 표시하고 지나치게 광범위한 접근을 식별할 수 있다. 이후 보안 팀은 플랫폼을 떠나 데이터 소유자와 협력하고, 적절한 보호 방식을 선택하며, 다른 곳에서 변경 사항을 구현해야 한다.

각각의 인계 과정은 지연을 더한다. 소유권에 관한 이견도 만들 수 있다. 클라우드 팀은 스토리지 설정을 제어하고, ID 팀은 권한을 관리하며, 데이터 보안 그룹은 암호화 키를 소유할 수 있다. 애플리케이션 개발자는 여전히 원래의 데이터 형식에 의존할 수 있다.

CipherTrust DSPM은 이 경로를 단축하기 위한 제품이다. 중대한 위험의 우선순위가 정해지면 동일한 플랫폼이 조사 결과를 암호화, 토큰화 또는 마스킹과 연결할 수 있다. 이 가치 제안은 탐지와 보호 사이의 운영상 공백을 줄이는 데 기반한다.

이 설계는 개선 조치의 의미도 바꾼다. 공개 접근이나 과도한 권한을 제거하면 데이터에 도달할 수 있는 주체의 수가 줄어든다. 데이터를 암호화하거나 토큰화하면 여전히 데이터를 획득한 비인가 주체에게 그 데이터가 갖는 유용성이 줄어든다.

어느 한 접근법만으로는 충분하지 않다. 승인된 서비스도 정보를 복호화한 뒤 부적절한 목적지로 전송할 수 있다. 잘 구성된 접근 정책도 자격 증명이 탈취되면 실패할 수 있다. 계층형 보안은 결국 하나의 제어 기능이 실패한다는 전제에서 출발한다.

Microsoft는 DSPM을 더 넓은 생산성 및 규정 준수 환경에 배치할 수 있기 때문에 강력한 대안이 된다. 현재의 Purview DSPM 환경은 기존 애플리케이션, AI 앱, 에이전트를 포괄한다. 보안 태세 인사이트를 데이터 유출 방지, 내부자 위험 도구, 레이블링, 조사, 자동화된 해결 조치와 결합한다.

Microsoft는 활성 애플리케이션 및 에이전트 인벤토리를 포함한 AI 관측 기능도 제공한다. 관리자는 민감한 상호작용, 과도한 공유, 유출, 비정상적인 접근, 정책 적용 범위를 검토할 수 있다. 강점은 Microsoft 365, Azure, Fabric, Copilot 활동과의 근접성에 있다.

Palo Alto Networks는 클라우드 및 AI 인프라 관점에서 이 문제에 접근한다. AI security posture 제품은 애플리케이션, 모델, 데이터 소스 및 관련 리소스를 매핑한다. 모델 접근, AI 공급망 위험, 계보, 학습 또는 추론에 사용되는 민감한 정보에 중점을 둔다.

IBM은 또 다른 통합 경로를 제시한다. Guardium Data Security는 하이브리드 환경 전반에서 탐지부터 해결 조치까지 지원한다. IBM은 AI 위협, 암호화 위험, 규정 준수, 팀 간 워크플로를 위한 통합 제어를 중심으로 이 제품을 포지셔닝한다.

이러한 경쟁사들은 Thales가 탐지 범위만으로는 승리할 수 없는 이유를 보여준다. 고객은 이미 민감한 정보를 분류하고, 접근을 분석하며, AI 활동을 모니터링하는 플랫폼을 구매할 수 있다. 차별점은 팀이 다음 조치를 결정하는 순간에 드러나야 한다.

Thales는 암호화 및 키 관리 분야에서 확고한 입지를 갖고 있다. 이러한 이력은 데이터 수준 보호를 제품 전략의 신뢰할 수 있는 중심축으로 만든다. 그러나 고객의 익숙함이 더 뛰어난 탐지 정확도, 더 빠른 배포, 더 나은 해결 결과를 보장하지는 않는다.

가장 강력한 사용 사례는 AI 워크플로가 평문으로 필요로 하지 않는 민감한 값과 관련된다. 고객 지원 동향을 분석하는 내부 어시스턴트를 생각해 보자. 모델에는 제품 유형, 이슈 범주, 해결 시간은 필요할 수 있지만, 이름, 카드 정보, 완전한 계정 식별자는 필요하지 않을 수 있다.

토큰화는 자료가 AI 파이프라인에 들어가기 전에 보호된 값으로 대체할 수 있다. 마스킹은 작업에 필요한 부분만 노출할 수 있다. 암호화는 권한 있는 구성 요소가 적절한 조건에서만 데이터를 복호화할 수 있도록 한다면 리포지터리와 파생 저장소를 보호할 수 있다.

이러한 “데이터 자체를 보호하는” 접근 방식은 프롬프트, 커넥터 또는 계정이 의도한 범위를 넘어 접근할 때 방어 수단이 된다. 또한 권한 없는 위치로 복사된 정보의 가치를 낮춘다. 이것이 Thales AI data security의 핵심 약속이다.

그러나 경쟁의 본질은 가시성과 보호의 대결이 아니다. 효과적인 보안에는 둘 다 필요하다. 조치 없는 탐지는 경고 피로를 낳고, 정확한 분류 없는 보호는 애플리케이션을 방해하거나 중요한 레코드를 그대로 방치할 수 있다.

실질적인 경쟁 쟁점은 오케스트레이션이다. 어떤 플랫폼이 민감도, 신원, 행동, 비즈니스 목적을 이해한 뒤 가장 덜 방해적인 통제를 적용할 수 있는가? Thales CipherTrust DSPM은 통합 제어 기능이 이 과정을 더 빠르고 신뢰성 있게 만든다는 점을 입증해야 한다.

직접적인 데이터 제어에는 그만의 절충점이 있다

암호화, 마스킹, 토큰화는 조직이 이를 정확하게 적용하고 정당한 워크플로를 유지할 때에만 노출을 줄인다.

Thales의 발표는 사용 가능한 제어 기능을 설명하지만, 실제 운영 결과에 대한 공개 근거는 제한적이다. 경쟁 제품 대비 탐지율, 오탐률, 평균 배포 시간, 측정된 해결 개선 효과를 공개하지 않았다.

이러한 누락이 주장을 무효로 만드는 것은 아니다. 다만 잠재 구매자가 테스트를 통해 이를 검증해야 한다는 의미다. 보안 플랫폼은 수천 개의 민감한 자산을 식별할 수 있지만, 분류가 부정확하거나 권장 제어가 핵심 애플리케이션을 망가뜨리면 여전히 실패할 수 있다.

분류는 첫 번째 압박 지점이다. 고객 번호는 한 시스템에서는 무해할 수 있지만 다른 필드와 결합되면 규제 대상이 될 수 있다. 소스 코드는 동일한 리포지터리 안에 비밀 정보, 지식 재산, 개인정보 또는 일반적인 공개 구성 요소를 포함할 수 있다.

AI 생성 콘텐츠와 비정형 콘텐츠는 이 작업을 더 까다롭게 만든다. 문서는 표준 식별자를 사용하지 않고도 고객을 언급할 수 있다. 회의 녹취록에는 기밀 전략이 담길 수 있으며, 일상적으로 보이는 지원 대화도 의료 또는 금융 세부 정보를 드러낼 수 있다.

미탐은 민감한 정보를 노출된 상태로 남긴다. 오탐은 불필요한 제어를 만들고 사용자를 좌절시킨다. 플랫폼이 일반 자료를 반복적으로 고위험으로 표시하면 팀은 결과를 무시하거나 광범위한 예외를 만들 수 있다.

보호는 시스템 동작도 바꾼다. 암호화에는 신뢰할 수 있는 키 관리와 신중하게 정의된 권한 부여가 필요하다. 키를 분실하거나 접근할 수 없으면 정당한 정보를 이용하지 못할 수 있다. 과도한 복호화 권한은 암호화가 제공하려던 보호를 약화시킬 수 있다.

토큰화는 원본 값이나 특정 데이터 관계에 의존하는 애플리케이션을 복잡하게 만들 수 있다. 형식 보존 토큰은 일부 시스템의 지속적인 운영을 돕지만, 신중한 설계가 필요하다. 팀은 토큰을 원본 데이터로 다시 매핑하는 서비스도 보호해야 한다.

마스킹 역시 또 다른 절충점을 제시한다. 숨겨진 필드는 개인정보를 보호할 수 있지만 분석의 유용성을 떨어뜨릴 수 있다. 정적 마스킹은 정제된 테스트 데이터를 만들 수 있는 반면, 동적 마스킹은 특정 사용자가 보는 내용을 변경한다. 이 방법들은 서로 다른 상황에 적합하며 상호 교환 가능한 것으로 취급해서는 안 된다.

AI 워크플로는 추가적인 복잡성을 유발한다. 소스 데이터베이스를 보호한다고 해서 권한 있는 애플리케이션이 데이터를 가져온 뒤의 평문까지 자동으로 보호되는 것은 아니다. 보안 팀은 프롬프트, 임시 컨텍스트, 모델 응답, 로그, 캐시, 임베딩, 도구 출력을 추적해야 한다.

Thales는 비즈니스 워크플로를 계속 실행하도록 하면서 규제 대상 정보를 AI 시스템에서 제외하는 방법으로 토큰화를 홍보한다. 이 방식은 작업에 원본 값이 필요하지 않을 때 효과적일 수 있다. 권한 있는 모델이 완전한 레코드에 대해 실제로 추론해야 할 때는 유용성이 낮다.

행동 분석은 또 다른 불확실성을 수반한다. 플랫폼은 정당한 자동화와 의심스러운 접근을 구분하기에 충분한 신뢰도 높은 활동 데이터가 필요하다. 특히 새로운 배포나 워크로드 변경 시 AI 에이전트 자체가 낯선 패턴을 만들어낼 수 있다.

이상 징후가 반드시 공격인 것은 아니다. 승인된 분기 검토를 수행하는 재무 에이전트는 갑자기 평소보다 훨씬 많은 레코드를 가져올 수 있다. 손상된 에이전트는 시간이 지남에 따라 소량을 추출하면서도 예상된 활동을 모방할 수 있다.

공격 체인 상관관계 분석은 조사관이 관련 이벤트를 조합하는 데 도움이 될 수 있지만, Thales는 이번 출시와 관련한 독립 평가를 공개하지 않았다. 구매자는 시스템이 어떤 신호를 수집하는지, 기준선을 어떻게 설정하는지, 분석가가 위험 점수를 어떻게 이해할 수 있는지 물어야 한다.

적용 범위도 마찬가지로 중요하다. Thales는 제품이 클라우드, 온프레미스, 하이브리드, 정형 및 비정형 환경을 아우른다고 말한다. 광범위한 주장은 지원되는 리포지터리, 커넥터, 적용 방식 간의 상당한 차이를 감출 수 있다.

플랫폼은 한 서비스에서 정보를 탐지할 수 있지만 그곳에서 네이티브 해결 조치를 제공하지 못할 수 있다. 파일을 정확하게 분류하면서 특수 데이터베이스에 대한 가시성은 제한적일 수 있다. 저장 중인 데이터의 암호화는 지원하지만 권한 있는 AI 애플리케이션에 노출된 정보는 제어하지 못할 수 있다.

배포 아키텍처도 면밀히 살펴볼 필요가 있다. 고객은 Thales가 어떤 콘텐츠를 스캔하는지, 분류가 어디에서 이루어지는지, 어떤 메타데이터가 자사 환경을 벗어나는지 확인해야 한다. 또한 플랫폼 자체에 필요한 권한도 이해해야 한다.

보안 태세 관리 제품은 민감한 위치, 접근 관계, 해결 경로를 파악하기 때문에 고가치 표적이 될 수 있다. 보호 제어를 적용할 수 있다면 관리 영역이 손상됐을 때 추가적인 결과가 발생한다.

따라서 조직은 업무 분리, 감사 로깅, 승인 워크플로, 비상 복구를 테스트해야 한다. 어떤 관리자도 적절한 감독 없이 가장 민감한 데이터를 탐지, 재분류, 복호화, 내보내기까지 할 수 있어서는 안 된다.

가장 광범위한 위험은 운영상 위험이다. 통합 플랫폼을 추가한다고 해서 데이터 소유자, 보안 아키텍트, 개인정보 보호 팀, 애플리케이션 개발자가 의사결정을 내릴 필요가 사라지는 것은 아니다. 소프트웨어는 위험의 우선순위를 정할 수 있지만, 허용 가능한 모든 비즈니스 사용을 판단할 수는 없다.

Thales CipherTrust DSPM은 중요한 선택을 숨기지 않으면서 이러한 조정 부담을 줄일 때에만 성공한다. 회사는 그럴듯한 기술적 메커니즘을 정의했다. 독립 벤치마크와 고객 배포 사례가 이 메커니즘이 더 나은 결과를 내는지 입증해야 한다.

Thales AI Data Security는 하이브리드 환경에서 검증될 것이다

이 제품의 가장 어려운 시험은 정보가 레거시 시스템, 여러 클라우드, 소프트웨어 서비스, 새로운 AI 파이프라인을 가로지르는 기업 환경에서 이뤄질 것이다.

클라우드 네이티브 데모는 데이터 보안을 질서 정연해 보이게 할 수 있다. 스캐너가 스토리지 버킷을 찾고, 규제 대상 필드를 식별하고, 정책을 권장한다. 기업 환경은 좀처럼 그렇게 단순하지 않다.

한 제조업체는 설계 파일을 로컬 시스템에, 공급업체 데이터를 클라우드 데이터베이스에, 계약서를 협업 소프트웨어에, 유지보수 기록을 특수 애플리케이션 안에 저장할 수 있다. AI 에이전트는 네 곳 모두에서 선별된 정보가 필요할 수 있다.

이 환경은 하이브리드 적용 범위에 대한 Thales의 명시된 초점에 유리하다. 회사는 기존 정보 시스템과 새롭게 등장하는 AI 접근 사이에 CipherTrust DSPM을 배치할 수 있다. 암호화 및 키 관리 배경은 단일 클라우드 제공업체 밖에서도 제어를 원하는 구매자에게 매력적으로 다가갈 수 있다.

하이브리드 도달 범위는 리포지터리별로 입증돼야 한다. 기업은 데이터베이스, 문서, 객체 스토리지, 소프트웨어 서비스, 개발자 시스템 전반에서 분류가 일관되게 작동하는지 물어야 한다. 또한 정보가 이동할 때 위험 컨텍스트가 유지되는지 테스트해야 한다.

정보의 출처와 변경 방식을 기록하는 데이터 계보가 핵심이 된다. 민감한 필드가 보고서에 복사된 후 나중에 검색을 위해 임베딩된다면, 플랫폼은 이러한 파생물을 원래의 보호 요구 사항과 연결해야 한다.

같은 요구 사항은 에이전트에도 적용된다. 유용한 조사는 챗봇의 신원만으로는 충분하지 않다. 요청한 사용자, 위임된 권한, 검색된 소스, 호출된 도구, 적용된 제어, 최종 목적지를 연결해야 한다.

대부분의 활동이 자사 환경 안에서 일어날 때 Microsoft는 우위를 갖는다. Palo Alto Networks는 클라우드 보안과 AI 인프라 전반에서 영향력을 갖고 있다. IBM은 확립된 엔터프라이즈 데이터 보안 워크플로를 활용할 수 있다.

Thales는 환경 간 보호 기능이 지배적인 클라우드 또는 생산성 공급업체로부터 구매하는 편의성을 상쇄한다는 점을 입증해야 한다. 또한 보안 팀이 애플리케이션을 재구축하지 않고 배포할 수 있는 통합 기능도 필요하다.

Tokyo Electron Device는 발표에서 긍정적인 파트너 관점을 제시했다. Principal Data Security Engineer Hiroji Sugito는 이 플랫폼의 배포 및 분류 기능이 고객이 AI를 도입하면서 민감한 데이터, 접근, 보호를 이해하는 데 도움이 된다고 말했다. 이 발언은 파트너의 경험을 반영한 것이며 독립적인 고객 증거를 대체해서는 안 된다.

신뢰할 수 있는 평가는 정의된 AI 워크플로에서 시작해야 한다. 구매자는 에이전트가 접근하는 모든 소스를 식별하고, 관련된 민감한 필드에 레이블을 지정하며, 허용되는 출력을 설정할 수 있다. 이후 팀은 탐지 정확도와 해결 노력를 측정할 수 있다.

다음 테스트는 접근 오류를 재현해야 합니다. 예를 들어 지원 담당자가 의도하지 않은 리전의 레코드를 조회할 권한을 받을 수 있습니다. 평가자는 CipherTrust DSPM이 해당 노출을 탐지하고 영향을 받은 정보를 식별하는지 확인해야 합니다.

그다음 보호 제어를 적용하고 결과를 관찰해야 합니다. 토큰화가 워크플로를 유지하는가? 암호화가 인덱싱을 방해하는가? 마스킹이 에이전트에 필요한 정보를 제거하지 않으면서 노출을 방지하는가?

마지막으로 팀은 인시던트 조사를 테스트해야 합니다. 분석가는 무엇이 변경되었는지, 어떤 ID가 작업했는지, 어떤 정보에 접근했는지, 그리고 보호된 값이 권한 없는 프로세스에서도 계속 사용 가능했는지를 확인할 수 있어야 합니다.

이러한 시나리오는 일반적인 기능 체크리스트보다 중요합니다. 대부분의 선도 제품은 검색, 분류, 행동 분석, AI 보안을 내세울 수 있습니다. 구매자는 현실적인 장애 상황에서 이러한 제어 기능이 함께 작동한다는 증거를 필요로 합니다.

Thales의 출시는 더 폭넓은 융합도 보여 줍니다. DSPM, 데이터 유출 방지, ID 보안, 클라우드 보안 상태 관리, AI 보안은 점점 동일한 이벤트를 검토하고 있습니다. 의심스러운 에이전트 요청에는 권한, 민감 데이터, 인프라 구성, 모델 동작이 동시에 관련될 수 있습니다.

벤더들은 플랫폼 경계를 확장하는 방식으로 대응할 것입니다. 데이터 보안 기업은 AI 컨텍스트를 추가할 것이고, 클라우드 보안 제공업체는 분류 기능을 강화할 것입니다. 생산성 도구 제공업체는 정보 레이블을 어시스턴트 및 에이전트와 연결할 것입니다.

이러한 융합은 고객에게도 압박을 가합니다. 별도의 팀이 분리된 콘솔과 호환되지 않는 위험 점수를 통해 동일한 이벤트를 조사할 수는 없습니다. 구매자는 명확한 제어 소유권을 유지하면서 컨텍스트를 공유하는 제품을 선호할 것입니다.

Thales는 데이터 보호를 조직화 계층으로 제안하고 있습니다. 민감한 정보가 여러 플랫폼을 오가고, 그 주변 애플리케이션보다 더 안정적으로 유지될 때 이 전략은 타당합니다. 하지만 고객이 그러한 플랫폼 전반에 걸쳐 제어 기능을 일관되게 적용할 수 없다면 설득력은 떨어집니다.

따라서 이번 출시는 측정 가능한 질문을 제기합니다. Thales는 정보가 이동하는 과정에서도 일관되게 보호할 수 있는가, 아니면 통합은 지원 시스템의 경계에서 끝나는가? 초기 하이브리드 배포가 답을 제공할 것입니다.

CipherTrust DSPM 출시 이후 주목할 점

세 가지 신호는 Thales가 DSPM 운영 방식을 바꿨는지, 아니면 단순히 이 분야의 기능 목록을 확장했는지를 보여 줄 것입니다.

첫 번째 신호는 독립적인 고객 증거입니다. Thales는 탐지 정확도, 중대한 위험의 우선순위를 정하는 데 걸리는 시간, 보호 제어를 적용하는 데 걸리는 시간을 보고하는 배포 사례를 제시해야 합니다. 사례 연구는 스캔한 자산 수뿐 아니라 최초의 노출과 운영 결과를 설명해야 합니다.

강력한 결과는 통합 보호가 검색과 조치 사이의 간극을 줄인다는 주장을 뒷받침할 것입니다. 가시성 중심의 모호한 고객 평가는 제품이 제시한 차별성을 약화시킬 것입니다.

두 번째 신호는 커넥터와 집행 범위입니다. Thales는 어떤 리포지토리가 검색, 행동 컨텍스트, 직접 보호를 지원하는지 문서화해야 합니다. 구매자는 플랫폼이 언제 발견 사항을 개선할 수 있고, 언제 외부 조치만 권고하는지를 알아야 합니다.

주요 소프트웨어 서비스, 벡터 데이터베이스, 에이전트 프레임워크, AI 개발 플랫폼에 대한 신규 지원은 하이브리드 전략을 강화할 것입니다. 일반적인 엔터프라이즈 시스템 전반에서 보호 기능이 고르지 않다면, 이 제품은 대체하려는 파편화된 워크플로와 닮아 보일 것입니다.

세 번째 신호는 경쟁사의 대응입니다. Microsoft, Palo Alto Networks, IBM 및 전문 DSPM 벤더들이 직접 개선 기능을 Thales만의 범주로 인정할 가능성은 낮습니다. 이들은 더 심층적인 암호화 제어 기능을 추가하거나, 파트너십을 맺거나, 기존 역량을 동등한 기능으로 제시할 수 있습니다.

경쟁사들이 보안 상태 인터페이스에서 네이티브 암호화, 토큰화, 마스킹을 강조한다면 Thales는 시장의 DSPM 정의에 영향을 미친 것입니다. 고객이 계속 관찰 가능성과 접근 거버넌스를 우선시한다면, 데이터 보호 중심 전략은 더 좁은 대안으로 남을 것입니다.

보안 리더는 에이전트가 구매 기준을 어떻게 바꾸는지도 주시해야 합니다. 애플리케이션과 모델의 인벤토리는 유용하지만, 기업은 점점 위임된 권한과 정보 이동에 대한 가시성을 필요로 합니다. 에이전트의 행동을 특정 데이터 제어와 연결할 수 없는 제품은 조사 담당자에게 불완전한 상황만 제공하게 됩니다.

실질적인 결론은 모든 조직이 즉시 새 플랫폼을 도입해야 한다는 뜻이 아닙니다. 팀은 먼저 AI 시스템이 사용할 수 있는 민감 정보를 매핑해야 합니다. 권한, 분류, 직접 보호가 이미 작동하는 곳을 파악한 다음 그 사이의 공백을 찾아야 합니다.

유용한 검토는 단일 프로덕션 워크플로에서 시작합니다. 에이전트가 조회할 수 있는 데이터는 무엇인지, 실제로 필요한 값은 무엇인지, 출력은 어디에 저장되는지, 접근 권한은 어떻게 철회되는지를 물어야 합니다. 그다음 암호화, 토큰화 또는 마스킹이 작업을 훼손하지 않으면서 위험을 줄이는지 테스트해야 합니다.

Thales CipherTrust DSPM은 일관된 답을 제시합니다. 노출된 정보를 검색하고, 활동 컨텍스트로 우선순위를 정하며, 동일한 플랫폼에서 데이터를 보호하는 것입니다. 이는 의미 있는 제품 방향이지만, 이번 발표는 증거 축적 주기의 시작에 불과합니다.

이제 기업은 측정 가능한 결과를 요구해야 합니다. 팀이 발견 사항에서 보호 조치로 이동하는 데 얼마나 걸리는가? 변경이 필요한 애플리케이션은 몇 개인가? 어떤 데이터 사본이 여전히 집행 범위 밖에 있는가? 이러한 답이 Thales가 DSPM 개선 격차를 해소했는지, 아니면 더 명확하게 설명했을 뿐인지를 결정할 것입니다.