단일 에이전트 실패 경험에서 출발한 보안 아키텍처
클라우드플레어(Cloudflare) 엔지니어링 팀은 2026년 10월 7일 공식 기술 블로그를 통해 자사 관리형 보안 서비스인 '매니지드 디펜스(Managed Defense)'에 도입된 다중 AI 에이전트 운영 하네스(Agentic Security Operations Harness) 아키텍처를 공개했습니다. 수많은 보안 경보가 동시다발적으로 발생하는 환경에서 분석가가 겪는 알림 역설(Alert paradox)을 해결하겠다는 취지입니다.
클라우드플레어는 초기 프로토타입 단계에서 단일 범용 거대언어모델(LLM)에 전체 조사 과정을 위임했을 때 세 가지 치명적인 결함이 발생했다고 밝혔습니다. 탐지 가설을 실제 공격 성공 증거로 오인하는 '컨텍스트의 사실 오인(Context became authority)', 프롬프트 경계를 넘어 다른 계정이나 시간대를 조회하는 '범위 이탈(Scope drift)', 외부 조회의 타임아웃을 미조회 대신 미발견으로 착각하는 '실패 은폐(Failure disappeared)' 현상이었습니다.
추론 이전의 데이터 격리: 선 정찰, 후 추론 파이프라인
발표된 하네스의 핵심 설계 원칙은 '선 정찰, 후 추론(Recon first, inference second)'입니다. 클라우드플레어는 모든 모델 추론 단계 이전에 인공지능 개입을 완전히 배제하고, 결정론적(Deterministic) 애플리케이션 코드로 고객 신원, 탐지 이력, 트래픽 기준선, 차단 결과, 네트워크 관측치를 수집하도록 설계했습니다. 모든 데이터는 소스 출처와 버전, 타임스탬프를 부여받아 변경 불가능한 스냅샷으로 저장됩니다.
이처럼 정찰 스냅샷을 고정함으로써 동일한 입력 데이터를 반복 재생(Replay)할 수 있어, 모델 간 해석 차이가 검색 누락이 아닌 순수한 추론 과정에서 비롯되었는지를 재현 가능하게 검증할 수 있습니다. 수집된 정찰 데이터는 클라우드플레어 Workers와 Workflows 환경에서 오케스트레이션되며, 상태 및 증거 아티팩트는 D1과 R2 저장소에 분리 보관됩니다.
Clef 모델의 조기 필터링과 4대 전문 에이전트 분업
하네스는 유입되는 대규모 노이즈를 초기에 차단하기 위해 Workers AI 기반의 오픈소스 의사결정 모델인 'Clef'를 활용합니다. 알려진 반복성 트래픽은 수동(Passive) 상태로 분류해 대기열에서 제외하고, Clef 모델이 과거 인간 분석가의 처리 이력과 정상 트래픽 기준선을 대조해 오탐 가능성이 높은 경보를 1차 선별합니다.
심층 조사가 필요한 경보는 코디네이터 에이전트에 의해 4개의 전문 에이전트로 병렬 분배됩니다. 요청 행위와 차단 결과를 보는 '트래픽 분석', 과거 대응을 살피는 '고객 컨텍스트', 다른 고객의 원시 데이터 노출 없이 인터넷 전역 통계를 비교하는 '글로벌 텔레메트리', 등록된 IoC를 대조하는 '위협 인텔리전스' 에이전트가 역할을 분담합니다. 이후 종합(Synthesis) 에이전트가 사전 정의된 승인 어휘 내에서만 권고안을 작성하며, OpenAI Daybreak의 GPT-5.6 Cyber 및 Anthropic Mythos 모델이 심층 분석을 보조합니다.
보안 통제 관점에서 본 아키텍처 실무 분석
이번 아키텍처는 LLM을 단순 챗봇이나 무제한적 자율 에이전트로 배치하는 대신, 엄격한 상태 머신과 파이프라인의 종속 컴포넌트로 제한했다는 점에서 실무적 의의가 큽니다. 에이전트가 독자적으로 API를 호출해 증거를 수집하지 못하게 차단하고 승인된 증거 패키지 안에서만 인용하도록 강제한 구조는 환각에 취약한 보안 운영 센터(SOC) 환경에서 필수적인 안전장치입니다.
특히 글로벌 네트워크 트래픽을 참조할 때 개별 고객 식별 정보를 제거한 집계 신호만을 전문 에이전트에 전달하는 방식은 데이터 유출 및 프라이버시 침해 위험을 완화하는 모범 사례로 평가할 수 있습니다. 단일 프롬프트 엔지니어링에 의존하지 않고 코드 레벨에서 범위와 검증을 강제하는 하네스 설계는 기업용 보안 도구 개발에 중요한 참고 모델이 됩니다.
도입 조건, 확인된 한계 및 향후 검증 과제
실제 서비스 도입 측면에서 확인해야 할 제약 사항도 분명합니다. 해당 기능은 현재 '초기 베타(Early Beta)' 단계로, WAF나 DDoS 보호, Magic Transit 등을 이용하는 엔터프라이즈 전용 Managed Defense 계약 고객에게만 제한적으로 제공됩니다. 개별 에이전트 하네스만의 독립적인 가격 정책이나 일반 상용화(GA) 로드맵은 공개되지 않았습니다.
더불어 클라우드플레어는 분석 속도 개선을 강조하지만, 오탐 감소율이나 대응 시간 단축 폭과 같은 정량적 실측 벤치마크 수치는 제시하지 않았습니다. 의사결정 권한 역시 AI가 직접 침해 차단을 집행하는 것이 아니라 인간 분석가에게 자문 형태로 보고하는 데 머물러 있습니다. 외부 파트너 모델(GPT-5.6 Cyber, Mythos)이 정확히 어떤 페이로드 분석 조건에서 호출되는지, 독립된 외부 보안 연구진의 실증 결과가 어떠한지에 대해서는 추가적인 검증이 요구됩니다.
출처
Cloudflare Blog의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Building an evidence-grounded agentic security operations harness on Cloudflare (새 창)
