Roche, Google Drive에서 AI 분류로 수백만 개의 파일 보호

* 본 아티클의 원문은 2024년 7월 26일 Google Workspace 블로그(영문)에 게재되었습니다.

"Roche에서는 10만 명이 Google Drive를 사용하고 수십억 개의 파일을 보관합니다. AI 분류가 없었다면 라벨 지정 프로세스를 대규모로 처리할 수 없었을 것입니다. 이 기능을 사용 설정하자마자 그 가치를 체감할 수 있었습니다." - Tim Ehrhart, Roche CISO

본문 미리보기: Roche는 문서 라벨 지정 프로세스를 자동화하여 보안 제어를 표준화하고 비즈니스 전반의 데이터 보호를 강화하고 있습니다. Google Workspace에 포함된 Google Drive의 AI 분류는 다음과 같은 작업에서 Roche에 도움을 주었습니다.

• 개인 정보 보호에 중점을 두고 파일에 라벨을 지정하고 파일을 분류하는 커스텀 AI 모델 개발

• Roche의 정책과 파일 라벨 지정 데이터를 기반으로 새롭게 라벨이 지정된 학습 파일을 사용하여 AI 모델 학습 및 꾸준한 발전 달성

• 직원들이 민감한 정보와 상호작용하는 방식을 개선하도록 지원하고 일반적으로 수동 라벨 지정 작업에 소요되는 시간을 크게 절감

보안 강화를 위해 파일에 라벨을 지정하는 부담을 덜 수 있다면 어떨까요?

데이터 분류는 세분화된 데이터 관리 및 보호를 달성하기 위한 기본적인 단계 중 하나로서 대규모로 파일에 라벨을 지정할 수 있는 조직의 역량에 달려 있습니다. 오늘날 디지털 세계에서 데이터 보안이 그 무엇보다 중요하지만 여전히 라벨 지정은 꾸준히 처리하기에 힘든 지루한 업무입니다.

직원들이 바빠서 라벨을 지정하는 것을 자주 잊거나 그 중요성을 간과하기 때문에 강력한 분류 기반의 보안 규칙을 시행하기란 사실상 거의 불가능합니다. 따라서 Google Workspace에서는 관리자가 데이터 분류를 정의하고 라벨 기반의 데이터 거버넌스 정책을 설정하고 문서 라벨 지정을 자동화할 수 있는 강력한 데이터 분류 제어 기능을 제공합니다.

AI 분류는 이 접근방식을 완전히 새로운 차원으로 끌어올립니다. 기업의 특정 데이터 분류 정책과 파일을 학습한 AI 및 머신러닝을 사용하여 조직의 콘텐츠에 자동으로 라벨을 지정할 수 있습니다. AI 분류는 사용자가 학습하도록 식별한 데이터만을 기반으로 고객별 모델을 개발하고, 포괄적인 개인 정보 보호 기능을 기본으로 제공하며, 다른 목적이나 공개 모델에 절대 사용되지 않습니다. 모델이 특정 라벨 지정 기준을 학습하는 초기 학습 기간이 지나면 AI 분류가 Google Drive의 신규 및 기존 파일 모두에 자동으로 '기밀' 또는 '내부 전용' 같은 라벨을 적용할 수 있습니다. 그런 다음 라벨을 사용하여 데이터 손실 방지를 통해 공유할 수 있는 파일과 공유할 수 없는 파일에 대한 규칙을 시행하여 데이터 보호 및 거버넌스를 간소화하고 자동화하고 적용할 수 있습니다.

AI 분류 실제 사례

라벨 지정은 잡무가 아닙니다. 강력한 데이터 보안의 기반으로서 데이터 손실을 억제하고 민감한 정보에 대한 액세스를 제어하는 데 기여합니다. AI 분류는 이 프로세스의 효율성과 확장 가능성을 실현합니다.

세계 최대 규모의 바이오테크 기업 중 하나인 Roche에서는 이미 수동 라벨 지정에 대한 부담을 덜기 위해 이 도구를 사용하고 있습니다. Roche의 CISO Tim Ehrhart는 "AI를 사용해 이 작업을 보다 원활하게 처리하고자 했습니다. Workspace의 AI 분류 덕분에 라벨 지정 프로세스를 훨씬 빠르게 진행하고 문서를 안전하게 보호할 수 있게 되었습니다"라고 말합니다.

원하는 보안 상황을 달성하고 문서에 라벨을 지정하는 작업을 지속적으로 처리하는 데 어려움을 겪던 Roche는 AI 분류라는 해결책을 찾아 다음과 같은 성과를 거둘 수 있었습니다.

• 수백만 개의 라벨 적용: 이전의 수동 라벨 지정 프로세스로는 끊임없이 늘어나는 파일에 라벨을 지속적으로 지정하기가 어려웠습니다. AI 분류를 사용하면서 Roche는 수백만 개의 문서에 빠르게 라벨을 지정하여 데이터 거버넌스를 위한 견고한 기반을 구축할 수 있게 되었습니다.

• 라벨 지정 프로세스 표준화: 신뢰할 수 없는 라벨 지정 관행은 Roche의 당면 과제였습니다. 이제는 AI 분류가 일관되고 표준화된 라벨 지정을 도와줍니다.

• 보안팀 역량 강화: Roche의 SecOps팀에서는 조직 내 민감한 파일의 양을 명확하게 파악할 수 없었습니다. 이제는 체계적인 라벨 지정 덕분에 민감한 정보를 전체적으로 파악하여 팀에서 보다 효과적인 제어를 구현할 수 있게 되었습니다.

• 팀 전반의 워크로드 감소: Roche에서 수동 라벨 지정은 매우 번거로운 업무였습니다. AI 분류로 라벨 지정 프로세스의 상당 부분을 자동화하여 Roche 직원의 소중한 시간을 확보할 수 있게 되었습니다.

• 잘못 공유된 파일로 인한 보안 위험 감소: Roche의 직원들이 데이터 민감도를 받아들이는 정도가 저마다 달랐습니다. 이제 일관적이고 적절하게 파일에 라벨이 지정되고 파일이 분류되므로 직원들이 민감한 정보와 파일을 적절하게 처리할 가능성이 커졌습니다.

향후 계획

Google Drive의 AI 분류는 Roche에서 보다 강력한 데이터 보안 상황을 갖추기 위한 토대를 마련하는 데 도움이 되었습니다. 능률적인 라벨 지정 관행으로 데이터 보안 규정 준수를 간소화하고 직원들은 데이터 처리와 관련해 정보에 입각해 의사 결정을 내리고 있습니다. 그리고 데이터 민감도를 더욱 명확하게 파악하게 되었으므로 Roche는 향후 훨씬 더 효과적인 데이터 보안 제어를 구현할 수 있습니다.

Ehrhart는 다음과 같이 말했습니다. "문서 라벨 지정이 엄청나게 대단한 일은 아니지만 표준화된 데이터 분류 정책을 보유하고 AI로 대규모 라벨 지정 프로세스를 자동화하면 앞으로 데이터 보안 및 규정 준수 분야에서 큰 성과를 거둘 수 있는 길이 열립니다."

AI 분류는 Gemini Enterprise, Gemini Education Premium, AI Security 부가기능에서 사용할 수 있습니다. Google Workspace를 위한 Gemini와 무료 체험판을 시작하는 방법을 자세히 알아보세요.