[ISEC 2026] LG유플러스 “막대한 SASE 트래픽 비용, 자체 인프라로 넘는다”

국내 보안 제조사가 풀지 못한 인프라 비용 문제 통신사 고유 역량으로 해결
비용에서 투자로...국내 기업 보안 컴플라이언스 체질 개선 앞장설 청사진 공개

[보안뉴스 조재호 기자] LG유플러스가 통신사 고유의 네트워크 인프라에 보안을 통합한 ‘텔코 네이티브’(Telco-Native) 보안 전략을 발표하고, 사이버 시큐리티 메시 아키텍처(CSMA) 기반의 자율 보안망 청사진을 공개했다.

▲최종보 LG유플러스 보안사업담당이 기조연설을 진행하고 있다. [출처: 보안뉴스]

12일 서울 강남구 코엑스에서 열린 제20회 국제 시큐리티 컨퍼런스(ISEC 2026) 2일차 기조연설에서 연단에 오른 최종보 LG유플러스 보안사업담당은 개별 보안 솔루션으로 파편화된 보안망의 한계가 극에 달한 가운데, LG유플러스가 네트워크 자체에 보안을 내재화한 통합 로드맵을 제시했다.

발표에 따르면, 글로벌 통합보안플랫폼(SASE/SSE) 시장은 23.6%의 연평균 성장률을 기록하며, 오는 2030년 447억달러(63조원) 규모까지 성장할 것으로 전망했다. 다만, 국내 시장은 글로벌 대비 3~5년의 시차를 보이며, 클라우드보다 온프레미스를 선호하는 등 보안을 투자가 아닌 비용으로 인식하는 한계에 직면해 있다고 분석했다.

막대한 트래픽 비용, ‘자체 인프라’로 해결
클라우드 기반 보안 서비스(SECaaS)의 큰 걸림돌 중 하나는 인프라와 회선 비용이다. 사용자 100만명 기준으로 월평균 웹 트래픽은 1PB(페타바이트: 1000TB)에 달하며 CSP를 경유하면 월 4억원 가량의 트래픽 비용이 발생한다. 국내 보안 제조사들이 선뜻 SASE 시장에 진입하지 못하는 이유도 이러한 비용 부담 때문이다.

LG유플러스는 자체 IDC와 전용 회선을 보유하고 있어 트래픽 비용 부담을 최소화할 수 있는 구조적 비용 우위를 지녔다. 이를 바탕으로 단기 사업성이 낮더라도 선제적 투자를 집행해 규모의 경제를 달성하겠다는 전략이다. 또, 여러 벤더를 거치며 발생하는 지연 현상을 막기 위해 단일 경로로 처리하는 싱글 벤더 SASE 아키텍처를 채택해 패킷처리 효율을 극대화했다.

파편화된 보안, ‘CSMA’로 통합
경계 기반의 보안이 한계를 맞이하며 기업들은 평균 80여개의 보안 도구를 활용하고 있는데, 이는 극심한 복잡성과 가시성 저하를 초래하고 있다. 이에 대한 해법으로 LG유플러스는 사이버보안 메시 아키텍처(CSMA: CyberSecurity Mesh Architecture)를 도입했다. 이는 가트너에서도 제시한 바 있는 아키텍처로, 사일로를 허물고 일관된 보안 구성을 통해 사고의 재무적 영향을 최대 90%까지 감소시킬 수 있다.

현재 구축 중인 V1.0 스택은 자체 개발한 통합 인증 서비스 ‘알파키’(Alphakey)와 AI 데이터 유출 방지 및 모델 거버넌스를 통제하는 ‘유플러스 세이프AI’(U+SafeAI), 그리고 네트워크 영역인 유플러스 SASE 플랫폼이 결합된 형태다. 이를 통해 사용자 개입 없는 투명한 보안 에이전트 연동 환경을 제공한다는 계획이다.

양자내성암호·AI 결합한 자율 보안망 로드맵
미래 보안 생태계 확장을 위한 로드맵도 제시했다. V2.0 단계에서는 EDR과 SIEM, SSPM 등 외부 솔루션을 CSMA 통합 보안 허브로 연결하며, V3.0 완성 단계에서는 그룹사의 초거대 AI 모델 엑사원(EXAONE)을 결합한다. 여기에 양자내성암호(PQC)도 도입한다. 이를 통해 SOAR 및 AI 기반 보안 관제를 구련해 위협을 스스로 탐지하고 조치까지 진행하는 자율 보안망 생태계를 구축한다는 계획이다.

최종보 LG유플러스 보안사업담당은 “통신사 고유의 인프라와 단일 벤더 기반의 아키텍처를 통해 파편화된 보안 환경을 하나로 연결하는 자율 보안망을 목표로 한다”라며 “압도적인 비용 경쟁력과 기술 리딩 역량을 바탕으로 국내 차세대 보안 생태계를 주도하겠다”고 말했다.

[조재호 기자(zephyr@boannews.com)]

AI 및 AI 보안 솔루션이 보안 인력의 업무에 어떤 식으로 영향을 미칠것이라고 생각하시나요
	부족한 인력 보충: 만성적인 인력 부족 문제를 해결하는 보완재 역할을 하고 있다(100% 대체는 불가)
	업무 영역의 분리: AI는 대량 데이터 처리를, 전문가는 고도의 전략적 판단을 맡는 등 역할이 완전히 다르다
	업무 총량의 전이: 단순 업무는 줄었으나, AI 모델 관리·검증 등 새로운 형태의 운영 업무가 발생해 전체 업무량은 비슷하다
	인력 대체 가능: 단순 반복 업무를 넘어 분석/판단 영역까지 대체하여 인력을 줄일 수 있다
	신뢰도 부족: 아직은 AI의 오탐이나 환각(Hallucination) 우려로 인해 사람이 일일이 재검토해야 하므로 실질적인 도움은 적다