AI 활용 규모가 커질수록 확대되는 저장 데이터 위험과 전 수명주기 보안 대응

2026.07.13 작성자: OntoCraft

핵심 메시지: 국방 AI의 안전한 확장은 AI 모델만 보호하는 것이 아니라, AI가 생성·복제·저장하는 모든 임무 데이터를 장비의 도입부터 폐기까지 통제하는 데서 시작한다.

---

표기 안내

본문의 내용은 세 가지 라벨로 구분한다.

• [사실] 원문 자료에 나온 내용
• [해석] 원문 내용을 작성자가 국방 AI 관점에서 풀어서 연결한 내용
• [제안] 원문을 바탕으로 작성자가 별도로 제시하는 정책·기술·실무 의견

---

목차

1. 왜 지금 국방 AI 데이터 보호인가
2. 국방 AI 데이터 위험이란 무엇인가
3. AI 확산이 만드는 다섯 가지 데이터 보호 과제
4. 핵심 보호기술 — 저장장치 암호화에서 생명주기 통제까지
5. 가장 큰 병목 — 암호화 기술보다 배포와 운영
6. 국방 AI 보안에서 추가로 고려해야 할 영역
7. 국방 AI 데이터 보호 추진 전략
8. 실무 적용 로드맵
9. 핵심 인사이트
10. FAQ — 자주 묻는 질문
11. 실무 체크리스트
12. 출처 및 확인 필요사항
13. 작성자 제언 — 대한민국이 취해야 할 입장

---

1. 왜 지금 국방 AI 데이터 보호인가

[사실] AI는 국방 분야에서 작전계획 수립, 정보분석, 의사결정 지원, 지휘통제, 센서 데이터 처리, 표적 식별과 작전 협조를 빠르게 지원하는 기술로 확산되고 있다.

Breaking Defense에 게재된 해당 글은 AI가 국방 업무에 더 깊이 적용될수록 보호해야 할 임무 데이터의 양과 저장 위치가 동시에 증가한다고 설명한다. AI가 사용하는 데이터는 중앙 데이터센터뿐 아니라 노트북, 전술 컴퓨터, 서버, 이동식 저장장치, 임무 컴퓨터와 엣지 장비에도 저장된다.

[해석] 국방 AI의 확대는 단순히 AI 모델이나 GPU 서버가 늘어나는 것을 의미하지 않는다. AI가 처리하고 생성한 다음과 같은 데이터가 여러 장비에 복제되고 남게 된다는 뜻이다.

• ISR 영상과 이미지
• 감시·정찰 센서 데이터
• 정보분석 보고서
• 표적 및 위치정보
• 작전계획과 임무 결과
• AI 분석 결과와 추천 정보
• 분석가가 작성한 파생자료
• 캐시, 로그와 임시파일

이 데이터가 많아질수록 공격자가 접근할 수 있는 데이터 지점도 함께 늘어난다.

[제안] 국방 AI 사업에서는 모델 정확도와 추론 속도뿐 아니라 다음 질문을 동시에 다뤄야 한다.

“AI가 사용한 데이터는 어디에 저장되는가?” “몇 개의 복제본이 만들어지는가?” “통신이 끊겨도 보호되는가?” “장비가 분실되거나 노획되면 어떻게 되는가?” “임무가 끝난 뒤 데이터는 완전히 삭제되는가?”

국방 AI의 보안성은 모델 성능이 아니라 임무 데이터의 위치와 생명주기를 얼마나 정확하게 통제하는가에 따라 결정될 수 있다.

---

2. 국방 AI 데이터 위험이란 무엇인가

국방 AI 데이터 위험을 쉽게 말하면 다음과 같다.

AI가 임무 데이터를 처리·생성·전송·저장하는 과정에서 데이터가 비인가자에게 노출되거나, 분실·탈취·노획·복구·재사용될 가능성이다.

일반적인 기업 AI와 국방 AI의 데이터 보호 요구는 차이가 있다.

일반 AI와 국방 AI 데이터 보호의 차이

구분	일반 기업 AI	국방 AI
주요 데이터	업무문서, 고객정보, 운영 데이터	정보보고서, 표적정보, 작전계획, 센서·ISR 데이터
운영 환경	데이터센터와 사무실 중심	전술 현장, 차량, 함정, 항공기, 드론, 이동형 지휘소
네트워크	비교적 안정적 연결	통신 단절·지연·재밍 환경 가능
물리적 위험	장비 분실과 내부자 위협	분실·탈취·노획·파괴 가능성
보호 상태	시스템 운영 중 보호 중심	전원 차단·운영체제 부팅 전에도 보호 필요
생명주기	교체와 폐기 주기가 비교적 짧음	장기 운용·재배치·정비·임무 전환 반복
핵심 요구	개인정보·영업비밀 보호	기밀성·임무 지속성·노획 대응·추적성

[해석] 국방 환경에서는 장비를 소유하고 있다는 사실이 데이터 접근 권한을 의미해서는 안 된다. 공격자가 노트북, 서버, 드론 또는 저장장치를 물리적으로 확보하더라도 저장된 임무 데이터를 읽을 수 없어야 한다.

[제안] 국방 AI 데이터 보호는 일반적인 계정·비밀번호 관리가 아니라 다음을 포함하는 복합 체계로 설계해야 한다.

• 저장 데이터 암호화
• 사전 부팅 인증
• 장비 및 사용자 인증
• 암호키 분리 관리
• 오프라인 정책 적용
• 접근·변경 감사
• 긴급 잠금과 키 폐기
• 안전한 저장매체 정화

---

3. AI 확산이 만드는 다섯 가지 데이터 보호 과제

① 민감한 임무 데이터의 양이 크게 증가한다

[사실] AI 시스템은 영상, 이미지, 정보보고서, 표적정보, 임무계획과 센서 데이터를 지속적으로 처리하고 새로운 분석 결과를 생성한다.

[해석] AI는 기존 데이터를 읽는 데서 끝나지 않는다. 요약, 분류, 추론, 추천, 경보와 예측 결과를 새롭게 생성한다.

하나의 원천 데이터가 다음과 같이 여러 개의 파생데이터로 확대될 수 있다.

원본 영상
→ 객체 탐지 결과
→ 표적 후보 목록
→ 위치정보
→ 위험도 분석
→ 분석가 검토자료
→ 지휘관 보고자료
→ 임무 종료 보고서

[제안] 원천 데이터뿐 아니라 AI가 만든 파생데이터에도 동일한 보안등급, 보존기간과 삭제정책을 적용해야 한다.

---

② 데이터 저장 위치가 여러 작전 장비로 확대된다

[사실] AI 관련 데이터는 노트북, 전술 시스템, 이동식 저장매체, 임무 컴퓨터와 엣지 장비 등으로 이동하며 저장된다.

[해석] 중앙 AI 플랫폼을 안전하게 보호하더라도 분석 결과를 다운로드한 노트북이나 현장 엣지 장비가 보호되지 않으면 전체 보안은 완성되지 않는다.

특히 다음 장비가 취약지점이 될 수 있다.

• 전술 노트북
• 이동형 GPU 서버
• 차량·함정 탑재 컴퓨터
• 무인기 임무 컴퓨터
• 드론 지상통제장비
• 외장 SSD와 이동식 저장매체
• 임시 분석 단말
• 정비용 노트북

[제안] 서버 중심의 보안점검을 벗어나 실제 데이터가 존재하는 모든 엔드포인트를 데이터 보호 범위에 포함해야 한다.

---

③ 오프라인과 전원 차단 상태에서도 보호되어야 한다

[사실] 국방 장비는 통신이 단절된 환경, 통제시설 외부와 전원이 꺼진 상태에서도 저장 데이터를 보호해야 한다. 내부자 위협, 분실, 절도와 노획 가능성도 고려해야 한다.

[해석] 네트워크 접근통제나 원격 모니터링만으로는 전원 차단 상태의 장비를 보호하기 어렵다.

운영체제가 시작되기 전에 저장장치가 해제되거나, 디스크를 분리해 다른 장비에 연결할 수 있다면 계정 비밀번호만으로는 충분하지 않다.

[제안] 위험도가 높은 장비에는 다음 통제를 적용해야 한다.

• 자체 암호화 드라이브
• 하드웨어 기반 전체 디스크 암호화
• 소프트웨어 기반 전체 디스크 암호화
• 사전 부팅 인증
• TPM 또는 보안 모듈 연계
• 일정 조건에서 암호키 무효화
• 비인가 부팅과 디스크 분리 탐지

---

④ 일관된 보호를 위해 대규모 배포 능력이 필요하다

[사실] 강력한 보안 아키텍처도 임무 데이터가 존재하는 모든 시스템에 배포·유지되지 못하면 실제 위험을 줄이지 못한다. 국방 환경에는 기존 장비, 신규 장비, 이기종 하드웨어, 특수 임무 구성, 통신 단절 플랫폼과 대규모 엔드포인트가 함께 존재한다.

[해석] 국방 데이터 보호의 어려움은 암호화 알고리즘 자체보다 보안정책을 수천 대의 서로 다른 장비에 동일하게 적용하는 데 있다.

다음과 같은 운영 공백이 발생할 수 있다.

• 일부 장비만 암호화됨
• 버전과 정책이 장비마다 다름
• 오프라인 장비의 업데이트가 누락됨
• 암호키와 인증정보가 장기간 교체되지 않음
• 장애 복구 과정에서 보안이 해제됨
• 장비의 암호화 상태를 중앙에서 확인하기 어려움

[제안] 대규모 배포 능력을 편의기능이 아니라 핵심 보안 요구사항으로 봐야 한다.

---

⑤ AI 업무가 잔존 데이터 위험을 증가시킨다

[사실] 임무 데이터는 사용, 전송, 임무 완료와 장비 재배치 이후에도 시스템에 남을 수 있다. 장비가 퇴역·재배치·노획·반출될 때 데이터가 안전하게 삭제되지 않으면 노출 위험이 발생한다.

[해석] 사용자가 파일을 삭제하더라도 다음 데이터가 저장장치에 남을 수 있다.

• 임시파일
• 캐시
• 미리보기 파일
• 분석 로그
• 스왑과 가상메모리
• AI 입력·출력 데이터
• 자동 백업본
• 삭제되지 않은 파일 조각
• 이전 임무 데이터

[제안] 단순 파일 삭제가 아니라 복구 불가능한 저장매체 정화, 암호키 폐기와 삭제 결과 검증이 필요하다.

---

4. 핵심 보호기술 — 저장장치 암호화에서 생명주기 통제까지

① 임무 데이터 위치 매핑

[사실] 원문은 첫 단계로 민감한 데이터가 AI 업무 전반에서 어디에 존재하는지 확인하고, 운영 위험이 큰 시스템을 우선순위화할 것을 제시한다.

확인 대상은 다음과 같다.

• 원천 데이터
• AI 입력과 출력
• 분석가 작업 결과
• 내보내기 파일
• 캐시 데이터
• 임무 요약자료
• 서버와 단말 저장 데이터
• 이동식 저장매체
• 전술 및 엣지 플랫폼

[제안] 단순 장비 자산목록이 아니라 다음 관계를 추적해야 한다.

데이터
→ 임무
→ 생성 시스템
→ 사용 AI 모델
→ 저장 장비
→ 사용자
→ 보안등급
→ 복제본
→ 보존기간
→ 삭제 규칙

---

② 하드웨어 기반 외부 보호계층

[사실] 원문은 NSA CSfC Data-at-Rest 모델을 언급하며, 두 개의 독립적으로 구현된 보호계층을 통해 기밀 저장 데이터를 보호하는 구조를 설명한다.

외부 계층에는 일반적으로 다음 기술이 포함된다.

• 자체 암호화 드라이브
• 하드웨어 전체 디스크 암호화
• 사전 부팅 인증
• 운영체제 구동 전 저장장치 잠금

이 계층은 전원이 꺼져 있거나 장비가 운반·보관·분실·노획된 상황에서 저장 데이터를 보호하는 역할을 한다.

[해석] 외부 계층은 장비를 확보하는 것과 데이터에 접근하는 것을 분리한다.

---

③ 독립적인 소프트웨어 암호화계층

[사실] 내부 계층에는 하드웨어 암호화와 독립적으로 구현된 소프트웨어 전체 디스크 암호화가 사용될 수 있다. 소프트웨어 방식은 하드웨어 교체를 기다리지 않고 기존 장비에 적용할 수 있다는 장점이 있다.

[해석] 하드웨어와 소프트웨어 암호화가 동일한 키나 인증구조에 의존하면 하나의 취약점이 전체 계층에 영향을 줄 수 있다.

[제안] 두 계층은 다음 요소가 가능한 한 독립되어야 한다.

• 암호화 구현
• 암호키
• 인증정보
• 관리 권한
• 보안 경계
• 장애 복구 절차

다만 암호화 솔루션 두 개를 설치했다는 사실만으로 공식 CSfC 적합성이 확보되는 것은 아니다. 실제 적용 시 해당 Capability Package, 승인 제품, 구성과 등록 절차를 별도로 확인해야 한다.

---

④ 중앙 정책·감사·복구 관리

[사실] 원문은 보호체계를 반복 가능한 방식으로 구성·적용·업데이트·모니터링·유지할 수 있어야 한다고 강조한다.

[제안] 중앙관리 체계에는 최소한 다음 기능이 필요하다.

• 장비별 암호화 적용현황
• 정책과 버전 확인
• 암호키 생성·배포·교체·폐기
• 인증정보 변경
• 장비별 보안상태 점검
• 비인가 설정 변경 탐지
• 접근·정책변경 감사로그
• 장애 시 복구 승인
• 오프라인 장비의 정책 동기화
• 위험장비 긴급 잠금

---

⑤ 안전한 데이터 정화

[사실] 원문은 장비가 퇴역·이관·재배치되거나 비상상황에 노출될 때 민감한 데이터가 복구되지 않도록 안전한 정화가 필요하다고 설명한다.

[해석] 데이터 정화는 장비 폐기 단계에만 수행하는 작업이 아니다. 임무 전환, 정비 입고, 외부 반출, 수출국 이관과 장비 재사용 과정에서도 필요하다.

[제안] 정화 결과에는 다음 기록을 남겨야 한다.

• 정화 대상 장비와 저장매체
• 데이터 보안등급
• 적용한 정화 방식
• 실행 일시와 담당자
• 승인자
• 검증 결과
• 암호키 폐기 여부
• 장비의 최종 처리상태

---

5. 가장 큰 병목 — 암호화 기술보다 배포와 운영

[사실] 원문은 보호 기술이 강력하더라도 임무 데이터가 존재하는 모든 장비에 적용·유지되지 않으면 임무 규모의 위험을 줄이지 못한다고 강조한다.

[해석] 국방 AI 데이터 보호의 실제 병목은 다음과 같다.

• 이기종 장비와 운영체제
• 오래된 전술 시스템
• 통신 단절 환경
• 장비별 특수 설정
• 암호화에 따른 성능 저하
• 키 분실과 복구 문제
• 현장 사용자의 운용 부담
• 보안정책과 임무 수행의 충돌
• 재배치·정비·폐기 정보의 단절

[제안] 데이터 보호체계를 도입할 때는 암호화 성능뿐 아니라 다음을 평가해야 한다.

평가영역	주요 확인사항
배포성	기존·신규 장비에 표준 방식으로 설치 가능한가
호환성	이기종 하드웨어와 운영체제를 지원하는가
오프라인 운용	통신 단절 상태에서도 정책이 유지되는가
성능	부팅, 저장, AI 추론 성능에 미치는 영향은 어느 정도인가
키 관리	키 분실·교체·복구·폐기 절차가 있는가
감사성	적용상태와 정책변경을 확인할 수 있는가
복구성	장애 시 승인된 방식으로 복구할 수 있는가
정화성	재배치·폐기 시 복구 불가능한 삭제가 가능한가
확장성	수백·수천 대의 장비를 일관되게 관리할 수 있는가

---

6. 국방 AI 보안에서 추가로 고려해야 할 영역

[해석] 원문은 저장 데이터 보호에 집중한다. 그러나 국방 AI 전체의 보안을 위해서는 저장 중인 데이터만으로는 충분하지 않다.

① 전송 중 데이터 보호

• 전술망 구간 암호화
• 장비 간 상호인증
• 중간자 공격 방지
• 메시지 무결성 검증
• 전송 실패와 재전송 데이터 관리

② 처리 중 데이터 보호

• 메모리 덤프 방지
• GPU 메모리 보호
• 민감 데이터의 임시파일 생성 통제
• 신뢰 실행환경 활용
• 프로세스와 컨테이너 격리

③ AI 모델 보호

• 모델 파일 암호화
• 모델 무결성 검증
• 승인되지 않은 모델 교체 방지
• 모델 공급망 검증
• 적대적 입력과 모델 탈취 대응

④ 생성형 AI와 에이전트 통제

• 프롬프트 인젝션 방지
• 민감정보 출력 차단
• 외부 도구 실행권한 제한
• 사람의 승인 절차
• AI 판단의 출처와 근거 기록

⑤ 데이터 진본성과 계보

• 데이터 출처 확인
• 위·변조 여부 검증
• 생성·변환·승인 이력 추적
• AI 학습·추론에 사용된 데이터 기록
• 의사결정에 사용된 모델과 버전 기록

[제안] 국방 AI 보안은 다음 영역을 통합해야 한다.

저장 중 데이터 보호
+ 전송 중 데이터 보호
+ 처리 중 데이터 보호
+ 모델 보호
+ AI 에이전트 권한통제
+ 데이터 출처와 계보 관리
+ 전 수명주기 운영

---

7. 국방 AI 데이터 보호 추진 전략

전략 1 — AI 데이터 저장 위치를 먼저 식별한다

[제안] AI 시스템을 도입하기 전에 데이터가 어디서 생성되고 어디에 저장되는지 전수 조사한다.

조사 대상은 다음과 같다.

• 데이터 원천
• 중앙 서버
• 사용자 단말
• 전술·엣지 장비
• 이동식 저장매체
• 로그와 캐시
• 백업 시스템
• 외부 연계 시스템
• 정비·시험 장비

---

전략 2 — 데이터 중요도와 장비 노출도를 함께 평가한다

[제안] 데이터 보안등급만으로 우선순위를 정하지 않는다.

다음 요소를 함께 평가한다.

• 데이터 기밀성
• 임무 중요도
• 장비의 물리적 노출 정도
• 네트워크 연결 여부
• 분실·탈취·노획 가능성
• 데이터 복제 가능성
• 장비 생명주기 단계
• 재배치와 외부 반출 가능성

---

전략 3 — 독립적인 다중 보호계층을 설계한다

[제안] 단일 암호화 기술에 전체 보안을 의존하지 않는다.

하드웨어 저장장치 암호화
+ 소프트웨어 전체 디스크 암호화
+ 사전 부팅 인증
+ 사용자·장비 인증
+ 키 분리 관리
+ 정책 및 감사 관리

---

전략 4 — 배포 자동화를 보안 요구사항으로 반영한다

[제안] 제안요청서와 기술규격에 다음 요구사항을 포함한다.

• 자동 또는 표준화된 설치
• 보안정책 일괄 적용
• 암호화 상태 원격 확인
• 패치와 버전 관리
• 오프라인 장비 정책관리
• 감사로그 수집
• 장애복구 승인절차
• 장비 퇴역과 정화 확인

---

전략 5 — 데이터 최소화를 우선한다

[해석] 저장된 데이터를 강하게 암호화하는 것도 중요하지만, 불필요한 데이터를 저장하지 않는 것이 더 근본적인 보호방안이다.

[제안] 다음 정책을 적용한다.

• 엣지에서 분석 후 원본 자동 삭제
• 필요한 구간과 특징정보만 저장
• 캐시와 임시파일 자동 삭제
• 보존기간 종료 시 자동 정화
• 비식별화 또는 토큰화
• 임무별 저장용량과 기간 제한
• 데이터 복사와 내보내기 승인
• 저장 대신 스트리밍 처리

---

전략 6 — 데이터 계보를 지식그래프로 관리한다

[제안] 임무 데이터, AI 모델, 장비, 사용자, 작전과 보안정책의 관계를 온톨로지와 지식그래프로 연결한다.

이를 통해 다음 질문에 답할 수 있다.

• 특정 임무 데이터는 어느 장비에 존재하는가?
• 특정 AI 모델이 생성한 결과는 어디에 복제되었는가?
• 분실된 장비에 어떤 데이터가 남아 있을 수 있는가?
• 해당 데이터는 어떤 작전과 의사결정에 사용되었는가?
• 정화 대상 장비의 삭제가 완료되었는가?
• 특정 암호화 취약점의 영향을 받는 장비는 무엇인가?

---

8. 실무 적용 로드맵

1단계 — 데이터와 장비 현황 진단

먼저 현재 상태를 확인한다.

• AI 원천 데이터는 어디에 있는가?
• AI 결과는 어느 장비에 저장되는가?
• 캐시와 임시파일은 어떻게 관리되는가?
• 이동식 저장매체 사용현황은 어떠한가?
• 전술 장비의 암호화 적용률은 어느 정도인가?
• 장비 재배치와 폐기정보가 관리되는가?
• 암호키와 인증정보는 누가 관리하는가?

이 단계의 목표는 솔루션을 구매하는 것이 아니라 데이터 보호 사각지대를 찾는 것이다.

---

2단계 — 데이터 분류와 위험등급 정의

다음 기준으로 데이터와 장비를 분류한다.

• 데이터 보안등급
• 임무 중요도
• 물리적 노출도
• 통신 연결성
• 복제 가능성
• 노획 가능성
• 보존 필요기간
• 장비 생명주기

---

3단계 — 고위험 장비부터 다중 보호 적용

모든 장비를 한 번에 전환하기보다 다음 장비부터 우선 적용한다.

• 전술 노트북
• 이동형 서버
• 드론·무인체계 임무 컴퓨터
• 이동식 저장매체
• 통제시설 외부의 엣지 장비
• 수출·정비·시험용 반출 장비
• 기밀정보를 저장하는 서버

---

4단계 — 중앙관리와 감사체계 구축

다음 기능을 중앙에서 관리한다.

• 장비별 보호상태
• 암호화 버전
• 정책 적용현황
• 키와 인증정보 변경
• 미준수 장비 경고
• 비인가 설정변경
• 오프라인 장비 동기화
• 정화와 폐기 이력

---

5단계 — 생명주기와 비상대응 자동화

다음 상황별 표준절차를 마련한다.

• 장비 분실
• 장비 탈취 또는 노획
• 임무 긴급 중단
• 사용자의 권한 변경
• 정비기관 반출
• 수출국 이관
• 장비 재배치
• 저장장치 교체
• 장비 퇴역과 폐기

[제안] 각 상황에는 암호키 폐기, 장비 잠금, 데이터 정화, 사고보고와 증적보존 절차를 포함해야 한다.

---

9. 핵심 인사이트

① AI가 늘어나면 보호해야 할 데이터도 함께 늘어난다

AI 도입 규모만 확대하고 데이터 보호 범위를 그대로 유지하면 위험은 증가한다.

② 중앙 AI 플랫폼만 보호해서는 충분하지 않다

실제 임무 데이터는 노트북, 전술 단말, 서버, 드론, 이동식 저장장치와 엣지 플랫폼에 존재한다.

③ 전원 차단 상태의 데이터 보호가 중요하다

전술환경에서는 장비가 분실·탈취·노획될 수 있으므로 운영체제가 실행되지 않는 상태에서도 데이터가 보호되어야 한다.

④ 배포 가능성은 운영 문제가 아니라 보안 문제다

보호기술이 일부 장비에만 적용되면 전체 임무 데이터는 보호되지 않는다.

⑤ 안전한 삭제는 암호화만큼 중요하다

장비가 재배치·정비·반출·폐기될 때 남은 데이터가 복구될 수 있다면 보안은 끝나지 않은 것이다.

⑥ 데이터 최소화가 가장 강한 보호가 될 수 있다

저장하지 않은 데이터는 탈취되거나 복구될 수 없다.

⑦ 국방 AI 보안은 데이터 생명주기 전체를 다뤄야 한다

생성, 저장, 분석, 전송, 복제, 보존, 재사용, 이관과 폐기가 하나의 관리체계로 연결되어야 한다.

---

10. FAQ — 자주 묻는 질문

Q1. 저장 데이터 보호란 무엇인가?

장비나 저장매체에 기록되어 현재 전송되거나 처리되지 않는 데이터를 보호하는 것이다. 전체 디스크 암호화, 파일 암호화, 사전 부팅 인증과 저장매체 정화 등이 포함된다.

Q2. 운영체제 로그인 비밀번호만으로 충분하지 않은가?

충분하지 않다. 저장장치를 분리해 다른 장비에 연결하거나 운영체제를 우회해 접근할 수 있기 때문이다. 저장장치 자체 암호화와 운영체제 구동 전 인증이 필요하다.

Q3. 하드웨어 암호화와 소프트웨어 암호화를 모두 사용해야 하는가?

기밀성과 노획 위험이 높은 환경에서는 독립적인 두 보호계층이 방어 심도를 높일 수 있다. 그러나 장비 성능, 운용환경, 키 관리와 공식 보안 요구조건을 함께 검토해야 한다.

Q4. 암호화하면 데이터가 완전히 안전한가?

그렇지 않다. 인증정보 노출, 키 관리 실패, 사용 중인 데이터 탈취, 내부자 위협, 악성코드와 잘못된 권한설정은 암호화만으로 해결되지 않는다.

Q5. 장비가 오프라인이면 중앙통제가 불가능하지 않은가?

실시간 통제는 제한될 수 있다. 따라서 오프라인 상태에서도 정책이 유지되고, 재연결 시 상태·로그·정책을 동기화하는 방식이 필요하다.

Q6. 데이터를 삭제하면 복구되지 않는가?

일반적인 파일 삭제는 파일 위치정보만 제거할 수 있어 데이터가 남을 가능성이 있다. 저장매체 정화, 암호학적 삭제 또는 검증된 폐기 절차가 필요하다.

Q7. 이 전략은 드론과 무인체계에도 적용되는가?

적용된다. 드론, 무인지상차량과 지상통제장비는 센서 영상, 위치정보, 임무경로와 AI 판단정보를 저장할 수 있으며 노획 가능성도 있으므로 우선 보호대상에 해당한다.

Q8. 원문은 국방 AI 보안 전체를 다루는가?

아니다. 원문은 주로 저장 데이터 보호에 집중한다. 전송·처리 중 데이터, 모델 공급망, 프롬프트 공격, 에이전트 권한과 AI 결과 검증은 별도로 보완해야 한다.

---

11. 실무 체크리스트

[제안] 국방 AI 데이터 보호체계를 설계할 때 다음 항목을 점검한다.

• AI가 사용하는 원천 데이터와 파생데이터가 식별되어 있는가?
• 데이터가 저장되는 서버·단말·전술·엣지 장비가 등록되어 있는가?
• 캐시, 로그와 임시파일의 위치와 보존기간을 알고 있는가?
• 이동식 저장매체 사용과 반출을 통제하고 있는가?
• 전원 차단 상태에서도 저장 데이터가 보호되는가?
• 사전 부팅 인증이 적용되어 있는가?
• 하드웨어와 소프트웨어 암호화의 키와 인증체계가 독립적인가?
• 오프라인 상태에서도 보안정책이 유지되는가?
• 장비별 암호화 적용상태를 중앙에서 확인할 수 있는가?
• 키 생성·배포·교체·폐기 절차가 정해져 있는가?
• 비인가 정책 변경과 암호화 해제를 탐지할 수 있는가?
• 장애 복구과정에서 보안 통제가 우회되지 않는가?
• 장비 분실·탈취·노획 시 대응절차가 마련되어 있는가?
• 재배치·정비·반출 전 데이터 정화가 수행되는가?
• 저장매체 정화 결과를 검증하고 기록하는가?
• 데이터 보존기간 종료 후 자동 삭제가 가능한가?
• 불필요한 원본·복제본·캐시 생성을 최소화하고 있는가?
• 데이터와 AI 모델, 장비, 임무의 관계를 추적할 수 있는가?
• AI 모델과 버전, 사용 데이터와 의사결정 결과를 기록하는가?
• 저장·전송·처리 중 데이터 보호가 통합되어 있는가?

---

12. 출처 및 확인 필요사항

원본 자료

• Conner Crisafulli, “How defense teams can scale AI without increasing data risk,” Breaking Defense, 2026년 6월 8일.
• 해당 글은 Breaking Defense의 일반 취재기사가 아니라 Cigent가 제공한 Sponsored Post로 표시되어 있다. 글의 문제 정의와 대응방안은 Cigent의 저장 데이터 보호 사업영역과 직접적으로 연결된다.

원문이 언급한 참고체계

• NSA Commercial Solutions for Classified
• CSfC Data-at-Rest Capability Package Version 5.1.0
• 하드웨어 전체 디스크 암호화
• 자체 암호화 드라이브
• 사전 부팅 인증
• 소프트웨어 전체 디스크 암호화
• 저장매체 정화와 생명주기 관리

확인 필요사항

이 글은 저장 데이터 보호기업의 후원 콘텐츠이다. 따라서 다음 사항에 유의해야 한다.

첫째, 글에서 제시한 문제 자체는 국방 엣지 장비와 분산 AI 환경에서 실질적으로 중요한 문제다.

둘째, 이중 암호화가 모든 장비와 임무환경에 동일하게 적합하다고 단정할 수는 없다. 성능, 전력, 부팅시간, 복구성과 운용 복잡성을 검토해야 한다.

셋째, 두 개의 암호화 제품을 설치했다고 해서 자동으로 CSfC 요구조건을 충족하는 것은 아니다. 실제 사업에서는 최신 Capability Package, 승인 구성요소와 등록 절차를 확인해야 한다.

넷째, 원문은 저장 데이터에 집중한다. 국방 AI 전체 보안정책으로 활용하려면 전송 중·처리 중 데이터, 모델 보안, 데이터 진본성, 공급망과 AI 에이전트 권한통제를 추가해야 한다.

다섯째, 실제 국방 사업계획서나 시스템 요구규격으로 사용할 때는 대한민국의 군사보안 규정, 국가사이버안보 기준, 국방망 운용규정, 암호모듈 요구사항과 저장매체 폐기기준을 별도로 확인해야 한다.

---

13. 작성자 제언 — 대한민국이 취해야 할 입장

[제안] 대한민국의 국방 AI 전략은 AI 모델과 분석 플랫폼을 빠르게 도입하는 데서 멈추어서는 안 된다. AI를 사용하면서 생성되는 데이터가 어디에 저장되고, 어떻게 복제되며, 누가 접근하고, 언제 삭제되는지를 통제할 수 있어야 한다.

이를 위해 대한민국은 다음 네 가지 입장을 분명히 해야 한다.

첫째, 국방 AI 데이터 보호를 AI 플랫폼 구축사업의 부가기능으로 다루지 말아야 한다. 데이터 보호는 AI 준비도의 핵심 요건이어야 한다.

둘째, 전술 엣지 장비와 이동식 장비를 우선 보호대상으로 설정해야 한다. 중앙 데이터센터보다 현장 장비가 물리적 노출과 노획 위험에 더 직접적으로 노출될 수 있다.

셋째, 암호화 제품 도입보다 데이터 위치와 생명주기 관리체계를 먼저 구축해야 한다. 어떤 데이터가 어느 장비에 존재하는지 모르면 암호화 적용범위와 정화 대상을 정확히 판단할 수 없다.

넷째, 국방 AI 데이터 계보를 온톨로지와 지식그래프로 관리해야 한다. 임무, 데이터, 장비, AI 모델, 사용자, 보안정책과 삭제 이력을 관계 중심으로 연결하면 사고 대응과 영향도 분석이 빨라진다.

결론은 명확하다.

국방 AI의 위험은 AI가 틀린 판단을 내리는 데서만 발생하지 않는다. AI가 사용하고 생성한 임무 데이터가 보호되지 않은 장비에 남거나, 재배치·노획·폐기 과정에서 복구될 때도 발생한다.

앞으로의 국방 AI 보안은 “AI 시스템을 보호하는 것”에서 “AI 임무 데이터의 전체 생명주기를 통제하는 것”으로 확장되어야 한다.

AI 현대화와 데이터 보호는 순차적으로 추진하는 별도 과제가 아니다. 두 체계는 처음부터 함께 설계되고 동일한 속도로 확장되어야 한다.