[2026-05-18 | D-Log] 수주 걸리던 AI 보안 검토, '자동화'로 넘어서다: AWS x Cisco 협력 사례

기업이 인공지능(AI) 에이전트를 도입할 때 가장 큰 난관은 보안 검토에 걸리는 시간이다. 수동으로 보안을 점검하면 애플리케이션 하나를 배포하는 데 몇 주가 소요된다. 배포 속도가 빨라질수록 보안팀의 업무 부담은 기하급수적으로 늘어난다.

조직 내에서 AI 에이전트와 이를 연결하는 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버가 수십 개에서 수백 개로 늘어나면서 보안 공백이 발생했다. 관리자 모르게 서버가 추가되거나 에이전트끼리 자율적으로 통신하는 과정에서 민감한 데이터가 노출될 위험이 커졌기 때문이다. 기업은 개인정보보호 규정 위반이나 운영 중단 같은 실질적인 위협에 직면했다.

AWS와 Cisco는 이 문제를 해결하기 위해 AI 에이전트와 MCP 서버의 보안 취약점을 자동으로 스캔하고 거버넌스를 통합하는 협력 모델을 구축했다. AI 레지스트리(AI Registry)라는 중앙 제어 장치를 도입해 조직 내 모든 에이전트와 서버를 등록하고 관리한다. 보안팀은 어떤 도구가 어디에 배포되었는지 한눈에 파악할 수 있다.

보안 스캔은 에이전트가 운영되기 직전에 자동으로 실행된다. 에이전트가 레지스트리에 등록되면 Cisco AI 디펜스(Cisco AI Defense)의 스캐너가 도구 설명과 통신 패턴을 분석한다. 문제가 발견된 구성 요소는 즉시 보안 보류 상태로 표시되어 관리자의 승인이 있어야만 활성화된다.

분석은 세 가지 단계로 진행된다. 먼저 야라 분석기(YARA Analyzer)가 SQL 삽입 공격이나 하드코딩된 자격 증명 같은 알려진 위협을 빠르게 찾는다. 이어 거대언어모델(large language model, LLM) 분석기가 아마존 베드록(Amazon Bedrock)의 모델을 활용해 에이전트의 논리와 행동을 정밀하게 살핀다. 마지막으로 Cisco 고유의 스캐너가 방대한 위협 인텔리전스를 결합해 신원 위조나 데이터 유출 시도 같은 고도화된 공격을 탐지한다.

이 기법은 정형화된 패턴 탐지와 맥락을 이해하는 AI 분석을 결합했다는 점에서 효율적이다. 단순한 코드 검사를 넘어 에이전트의 의도까지 파악하기 때문에 수동 검토보다 훨씬 빠르고 정확하다. Cisco AI 디펜스는 에이전트 카드 메타데이터를 분석해 공급망 공격까지 차단한다.

프로젝트를 진행하며 보안팀은 자동화된 스캔 체계를 구축하는 과정에서 기존 관리 체계와의 연동에 집중했다. 레지스트리 API(application programming interface)를 활용해 주기적으로 전체 시스템을 점검하는 크론 잡(Cron job)을 설정했다. 발견된 취약점은 기존 티켓 관리 시스템으로 자동 전달되어 즉각적인 대응이 가능해졌다.

이 협력을 통해 기업은 수주가 걸리던 수동 보안 검토 과정을 자동화된 상시 점검 체계로 전환했다. 보안 가드레일을 내장한 셀프서비스 온보딩 환경을 마련해 새로운 AI 도구의 배포 속도를 획기적으로 높였다. 보안팀은 파편화된 도구들을 중앙에서 통제하며 규제 준수와 운영 안정성이라는 두 마리 토끼를 잡았다.

참고 출처

• 참고자료 바로가기

Securing AI agents: How AWS and Cisco AI Defense scale MCP and A2A deployments | Amazon Web Services