CISCO connect 2026

hyun_w·2026년 4월 9일

📚 인프라 & 보안 & AI 핵심 개념 정리

🧱 Scale-up vs Scale-out

🔼 Scale-up (수직 확장, Vertical Scaling)
한 대의 서버 성능을 더 강력하게 만드는 방식

➡️ Scale-out (수평 확장, Horizontal Scaling)
여러 대의 서버를 추가해서 성능을 분산시키는 방식

계층	Scale-up	Scale-out
서버	CPU/RAM 증가	서버 대수 증가
랙	고밀도 서버	랙 수 증가
데이터센터	장비 업그레이드	DC 수 증가 (리전 확장)

📊 SPLUNK

🔹 주요 기능

데이터 수집 (Ingestion): 웹 서버, 애플리케이션, 센서, 네트워크 장비 등에서 발생하는 엄청난 양의 로그와 실시간 데이터를 긁어모읍니다.
인덱싱 (Indexing): 수집된 데이터를 검색하기 쉬운 형태로 변환하여 저장합니다.
검색 및 분석 (Search & Analysis): SPL(Search Processing Language)이라는 전용 언어를 사용하여 방대한 데이터 속에서 특정 이벤트를 찾거나 통계 분석을 수행합니다.
시각화 (Visualization): 분석 결과를 대시보드나 그래프로 만들어 실시간 모니터링이 가능하게 합니다.

보안 / ITOA (IT 운영) / 비즈니스 분석 분야에서 사용

SPLUNK의 장점

비정형 데이터 처리: 데이터 형식이 미리 정해져 있지 않아도(Schema-on-read) 즉시 가져와 분석할 수 있습니다.
실시간성: 데이터가 발생하는 즉시 분석하고 경고(Alert)를 보낼 수 있습니다.
확장성: 데이터의 양이 기하급수적으로 늘어나도 시스템을 확장하여 대응하기 쉽습니다.

Splunk o11y cloud : 클라우드 네이티브 환경과 마이크로서비스 아키텍처(MSA)를 실시간으로 모니터링하고 문제를 해결하기 위해 설계된 SaaS 기반의 분석 플랫폼

Splunk O11y Cloud는 "우리 서비스가 지금 이 순간 왜 느린가?"라는 질문에 가장 빠르게 답해줄 수 있는 도구이다.

마이크로서비스 아키텍처(MSA)는 거대한 하나의 애플리케이션을 독립적으로 실행 가능한 작은 서비스들로 쪼개어 구축하는 소프트웨어 개발 방식 (예: 결제, 주문, 회원 관리 기능을 따로 개발 및 구축)
-> 🚨통신이 복잡하며, 각 서비스가 별도의 DB를 갖고 있어 데이터 정합성을 맞추는 작업이 까다로우며, 수많은 서비스를 모니터링 해야 하기에 운영에 부담이 있습니다.

🛡️ TDIR & SOC

🔹 TDIR

Threat Detection, Investigation, and Response(위협 탐지, 조사 및 대응)
현대 보안 운영 센터(SOC, Security Operations Center)가 지향하는 핵심 프레임워크이자 업무 흐름을 의미합니다.

1단계 Detection -> 2단계 Investigation ->3단계 Response

🔹 SOC (보안 관제 센터)

조직의 정보 자산을 보호하기 위해 보안 위협을 24시간 365일 실시간으로 모니터링, 탐지, 분석 및 대응하는 중앙 집중식 보안 관제 센터

🔹 SOC의 업무 단계

실시간 모니터링: 네트워크, 서버, 엔드포인트에서 발생하는 수만 개의 로그를 실시간으로 지켜봅니다.
위협 탐지 및 분류: SIEM(Splunk) 등이 걸러낸 '이상 징후'가 실제 공격인지, 단순한 시스템 오류인지 우선순위를 정합니다.
사고 조사 (Analysis): 공격자가 어디서 들어왔는지, 어떤 데이터를 노렸는지 로그를 추적하여 근본 원인을 파악합니다.
대응 및 복구: 악성 트래픽을 차단하거나 감염된 시스템을 네트워크에서 분리하여 피해 확산을 막습니다.
사후 분석 (Post-Mortem): 사고 대응 결과를 기록하고, 동일한 공격이 재발하지 않도록 보안 정책을 업데이트합니다.

🔹 SOC의 진화

SOC 1.0 (방어 중심): 방화벽, 백신 로그 위주로 수동 모니터링 (단순 관제).
SOC 2.0 (분석 중심): SIEM(Splunk 등)을 도입하여 다양한 로그를 통합 분석하고 위협 인텔리전스를 활용.
SOC 3.0 (자동화 중심): AI와 SOAR(자동 대응 도구)를 활용하여 단순 반복 업무를 자동화하고, 지능형 위협을 선제적으로 찾아내는 '위협 헌팅'에 집중.

SIEM, Security Information and Event Management(보안 정보 및 이벤트 관리) : 로그 데이터를 한곳에 모아 실시간으로 분석하고 위협을 탐지하는 시스템
Splunk SOAR: 확정된 위협에 대해 플레이북(Playbook)을 실행하여 즉각 대응합니다.

🔐 SAML 인증

SAML 기반 인증은 "신뢰할 수 있는 기관(IdP)이 발행한 디지털 신분증(XML)"을 사용하여 다른 서비스(SP)에 로그인하는 표준 방식 (Security Assertion Markup Language)

"한 번의 로그인으로 여러 사이트를 이용할 수 있게 해주는 마법의 증명서"

SAML의 장점

사용자 편의성: 여러 서비스마다 아이디/비번을 외울 필요 없이 한 번만 로그인하면 됩니다(SSO).
보안 강화: 비밀번호가 각 서비스(SP)에 저장되지 않고 신뢰할 수 있는 IdP 한 곳에서만 관리되므로 유출 위험이 줄어듭니다.
중앙 집중 관리: 직원이 퇴사하면 IdP에서 계정 하나만 비활성화해도 Splunk, Slack 등 모든 서비스의 접근을 즉시 차단할 수 있습니다.

🔒 IPsec

IPsec(Internet Protocol Security) : 인터넷과 같이 보안이 취약한 네트워크(Public Network) 상에서 데이터를 안전하게 주고받기 위해 IP 계층(Network Layer)에서 암호화와 인증을 제공하는 프로토콜 제품군

인터넷이라는 공용 도로 위에 우리만 쓸 수 있는 '안전한 전용 터널'을 뚫는 기술

IPsec 대역폭을 확인한다는 것은 "우리가 만든 안전한 비밀 통로가 현재 데이터를 얼마나 빠르고 안정적으로 처리하고 있는지, 그리고 장비가 이 암호화 작업을 버거워하지는 않는지"를 체크하는 행위

IPsec의 3대 핵심 기술

기밀성 (Confidentiality): 데이터를 암호화하여 중간에 누군가 훔쳐보더라도 내용을 알 수 없게 합니다. ( $AES$ 와 같은 암호화 알고리즘 사용)
무결성 (Integrity): 전송 중에 데이터가 변조되지 않았음을 보장합니다. (해시 함수 사용)
인증 (Authentication): 데이터를 보낸 사람이 신뢰할 수 있는 상대인지 확인합니다.

📡 UWB (Ultra-Wideband)

UWB(Ultra-Wideband, 초광대역) :
짧은 거리에서 매우 넓은 주파수 대역(보통 500MHz 이상)을 사용하여 데이터를 전송하고 기기 간의 위치를 정밀하게 측정하는 무선 통신 기술

초정밀 위치 측정: 오차 범위가 수 센티미터(cm) 내외로 매우 정확합니다. 블루투스가 "근처에 있다"를 안다면, UWB는 "오른쪽으로 15cm 지점에 있다"를 압니다.
높은 보안성: '거리 한계값'을 설정할 수 있어, 신호를 가로채서 증폭하는 방식의 해킹(릴레이 공격)을 방지할 수 있습니다. 스마트 키 보안에 필수적인 이유입니다.
간섭 저항성: 아주 넓은 주파수 대역에 신호를 잘게 쪼개 보내기 때문에, 다른 무선 신호와 간섭이 거의 일어나지 않습니다.
낮은 전력 소모: 매우 짧은 펄스(Pulse) 신호를 사용하므로 전력을 적게 소모합니다.
UWB는 신호가 한 기기에서 다른 기기로 이동하는 데 걸리는 '시간'을 직접 측정하여 거리를 계산합니다. 여기에 신호가 들어오는 각도까지 계산하여 입체적인 위치를 계산할 수 있는것이다.

활용 사례 : 정밀 위치 추적, 디지털 키, 보안 결제

정밀 트래킹: 분실물 방지 태그(에어태그 등)를 통해 실내에서 물건 찾기. (ex. AirPod)
디지털 키: 차 근처에 가기만 해도 문이 열리고, 운전석에 앉으면 시동이 걸리는 스마트 키 시스템.
스마트 홈/팩토리: 사용자가 다가오면 자동으로 조명을 켜거나, 공장 내 장비 및 인력의 위치를 실시간 모니터링.
비접촉 결제: 지갑을 꺼내지 않고 결제 단말기 근처를 지나가는 것만으로 결제 완료.

🔌 PoE (Power over Ethernet)

PoE(Power over Ethernet) :
이더넷 케이블(LAN 케이블) 하나에 데이터와 전원(전기)을 동시에 실어서 보내는 기술

PoE의 장점

비용 절감: 전력선 공사를 별도로 할 필요가 없어 인건비와 자재비가 줄어듭니다.
설치 유연성: 콘센트 위치와 상관없이 네트워크 케이블이 닿는 곳이라면 어디든 기기를 설치할 수 있습니다.
중앙 집중 관리: UPS(무정전 전원 장치)를 PoE 스위치에 연결해두면, 정전 시에도 연결된 모든 기기(카메라 등)가 꺼지지 않게 관리할 수 있습니다.

PoE의 단점

표준 이더넷과 마찬가지로 전송 거리가 100m로 제한됩니다.
-> 100m가 넘는 구간에는 PoE 익스텐더(Extender)를 설치하거나, 광케이블과 전력선을 결합한 하이브리드 솔루션
총 전력량(Total Power Budget)이 정해져 있어 고성능 장비 여러 대 연결하면 전력이 부족하여 작동 안할 수 있다
-> 설계 단계에서 각 포트별 소비 전력을 계산하여 전력 설계(Power Planning)를 선행해야 하며, 부족할 경우 추가적인 PoE 인젝터
얇은 구리선에 전류가 흐르기 때문에 다수의 케이블을 뭉쳐 놓으면 열이 발생합니다. 이는 케이블의 수명을 단축시키고 데이터 전송 효율을 떨어뜨립니다.
-> 통풍이 잘되는 구조로 배선하고, 높은 전력을 견딜 수 있는 고품질 케이블(Cat6 이상)을 사용하는 것이 권장

PoE의 보안 단점

물리적 접근 및 데이터 탈취 : 건물 외벽에 설치된 IP 카메라의 PoE 라인을 뽑아 자신의 노트북에 연결하면 내부 네트워크에 바로 침투할 수 있습니다.
-> 스위치 설정에서 MAC 주소 필터링을 적용하여 승인되지 않은 장비가 연결되면 포트를 즉시 차단 한다.
전력 공격 : 공격자가 의도적으로 과전류를 흘려보내 스위치 장비를 고장 내거나, 전력을 과다 소모시켜 다른 보안 장비들을 무력화하는 경우
-> 스위치에서 포트별 전력 제한(Power Limiting) 설정을 활성화하여 정해진 전력 이상을 소모하면 차단되도록 설정합니다.
비인가 장치 연결 : 직원이 임의로 개인용 PoE AP나 스위치를 연결하여 보안 정책을 우회하는 네트워크를 구성하는 경우
-> SAML이나 다른 인증 체계와 연동된 802.1X(네트워크 접근 제어)를 도입하여, 인증된 사용자/장비만 네트워크를 쓸 수 있게 강력히 통제합니다.

🤖 GPU vs TPU vs LPU

구분	GPU (Graphics Processing Unit)	TPU (Tensor Processing Unit)	LPU (Language Processing Unit)
정의	범용 병렬 연산 장치 (현재 AI의 표준)	AI 전용으로 만든 ASIC	LLM 추론에 특화된 신개념 칩
성격	범용 병렬	AI 전용	LLM 전용
만든 곳	NVIDIA 등	Google	Groq
주요 용도	학습 + 추론	학습 + 추론	추론 (특히 LLM)
유연성	매우 높음	중간	매우 낮음
성능 특징	균형형	효율 최적화	속도/지연 최적화
생태계	매우 큼	Google 중심	아직 작음

🚀 Vera / Rubin / Groq LPU

구분	Vera	Rubin	Groq LPU
타입	CPU	GPU	특수 AI 칩
역할	제어/관리	AI 연산	LLM 추론
주요 목적	인프라 운영 (GPU 클러스터 제어, 데이터 이동 / 스케줄링, 네트워크 & 메모리 관리)	초대형 AI 모델 학습 & 추론	GPT 같은 모델을 엄청 빠르게 응답시키기
사용 위치	서버 컨트롤	AI 연산 핵심	inference 서버
범용성	높음	높음	매우 낮음

📝 느낀점

이번 행사에서 가장 인상 깊었던 키워드는 Agentic AI였다.

단순히 AI를 “도구”로 사용하는 단계를 넘어,
스스로 판단하고 행동하는 AI 에이전트 중심 구조로 빠르게 전환되고 있다는 흐름이 느껴졌다.

Agentic AI가 제대로 기능하려면,
단순 모델 성능을 넘어,

💻 인프라(컴퓨팅/클라우드)
🛡️ 보안 체계
📡 네트워크 장비
📊 관측 및 운영 시스템
이 모두가 유기적으로 맞물려야 한다는 점이 특히 인상적이었다.

또 하나 흥미로웠던 점은, 박람회 특성상 SNS 인증과 설문 이벤트가 많았다는 것.
기술뿐 아니라, 참여를 유도하는 전략까지 엿볼 수 있어 재미있었다.

또 다른 주목 포인트는 클라바노트였다.

AI가 회의 내용을 자동으로 요약해주는 기능도 흥미롭지만,
특히 회의 참여자의 목소리를 구분해 “A가 말했다 / B가 말했다”로 표시하는 기능이 인상적이었다.

✔️ 사용 방식 간단:

회의 녹음 업로드 또는 실시간 녹음
AI가 목소리를 분석해 화자별 구간 분리
각 화자 라벨 자동 표시

현재는 한국어 기준 요약 기능만 제공되지만,
회의 → 자동 정리 → 공유 흐름을 AI가 담당한다는 점에서 앞으로 기대가 크다.

짧은 시간이었지만, 기술 트렌드와 산업 흐름, 참여형 마케팅까지 한눈에 볼 수 있었던 의미 있는 경험이었다 🚀

hyun_w

이전 포스트