데이터 유출
더 많은 작업
데이터 유출(Data Leakage 또는 Data Breach)은 조직이나 개인이 보호해야 할 데이터가 허가되지 않은 주체에게 노출·전달·반출되거나 접근 가능한 상태가 되는 보안 사고로, 외부 침해뿐 아니라 내부자 행위와 시스템 설정 오류 등에 의해서도 발생한다.
데이터 유출은 개인정보, 금융정보, 영업비밀, 소스 코드, 인증정보, 내부 문서 등 보호 대상 데이터의 기밀성이 훼손되는 사건이다. 데이터가 실제로 외부로 전송되는 경우뿐 아니라 접근통제 오류로 권한 없는 사람이 데이터를 열람할 수 있게 되는 경우도 포함할 수 있다.
데이터 유출은 반드시 외부 해킹으로 발생하는 것은 아니다. 직원의 실수로 잘못된 수신자에게 파일을 전송하거나, 클라우드 저장소를 공개로 설정하거나, 외부 협력업체가 데이터를 부적절하게 처리하는 경우에도 발생한다.
보안 관점에서는 데이터의 노출(Exposure), 무단 접근(Unauthorized Access), 외부 반출(Exfiltration), 공개(Disclosure)를 구분하는 것이 중요하다.
| 구분 | 의미 | 예시 |
|---|---|---|
| 데이터 노출(Data Exposure) | 보호 대상 데이터가 권한 없는 주체에게 접근 가능한 상태가 됨 | 인증 없이 접근 가능한 데이터베이스 |
| 무단 접근(Unauthorized Access) | 권한이 없는 주체가 데이터에 접근하거나 열람 | 탈취한 계정으로 고객정보 조회 |
| 데이터 반출(Data Exfiltration) | 데이터를 허가되지 않은 목적지로 빼냄 | 공격자 서버로 고객 DB 전송 |
| 데이터 공개(Data Disclosure) | 데이터가 의도하지 않은 대상에게 전달되거나 공개 | 내부 문서가 공개 웹사이트에 게시 |
| 데이터 손실(Data Loss) | 데이터가 삭제·손상·분실되어 이용할 수 없게 됨 | 저장장치 고장으로 데이터 소실 |
데이터 손실은 가용성이나 무결성 문제일 수 있으므로 데이터 유출과 동일한 개념은 아니다. 다만 저장매체 분실처럼 기밀성 침해 가능성이 함께 발생하는 사건도 있다.
MITRE ATT&CK은 공격자가 데이터를 외부로 탈취하는 행위를 Exfiltration(TA0010) 전술로 분류하고, 명령·제어 채널, 웹 서비스, 대체 프로토콜 및 물리적 매체를 이용한 다양한 반출 기법을 정의한다.[1]
데이터 유출은 기술적 취약점, 관리적 통제 실패, 사람의 실수 또는 악의적인 행위가 복합적으로 작용하여 발생할 수 있다.
| 원인 | 주요 발생 방식 | 대표적인 위험 |
|---|---|---|
| 외부 침해 | 취약점 악용, 악성코드 감염, 계정 탈취 | 데이터베이스·파일 탈취 |
| 내부자 위협 | 직원 또는 협력업체의 무단 조회·반출 | 영업비밀·고객정보 유출 |
| 설정 오류 | 공개 스토리지, 잘못된 접근제어 정책 | 대량 데이터 노출 |
| 인증·인가 취약점 | 권한 검증 누락, 과도한 권한 부여 | 다른 사용자의 정보 열람 |
| 업무상 과실 | 잘못된 이메일 발송, 파일 공유 오류 | 개인정보의 비의도적 전달 |
| 공급망 침해 | 외부 솔루션·협력업체·개발환경 침해 | 연계된 여러 조직으로 피해 확산 |
| 물리적 분실 | 노트북·USB·문서 분실 또는 도난 | 저장된 정보의 외부 노출 |
| 비인가 외부 서비스 이용 | 개인 클라우드·생성형 AI 등에 업무자료 입력 | 조직의 통제 범위 밖으로 데이터 이동 |
공격자는 인터넷에 노출된 서버의 취약점이나 탈취한 계정을 이용해 내부 시스템에 접근한 뒤, 중요한 데이터를 탐색하고 수집한다.
대표적인 침입 경로는 다음과 같다.
- SQL 인젝션 등 애플리케이션 취약점
- VPN·원격접속 장비 및 서버의 알려진 취약점
- 피싱과 인포스틸러를 통한 인증정보 탈취
- 클라우드 API 키 및 서비스 계정 유출
- 권한 상승과 내부 시스템 간 횡적 이동
- 외부 협력업체 및 소프트웨어 공급망 침해
침입 이후 공격자는 데이터베이스 덤프, 파일 압축, 클라우드 백업 생성 등의 방법으로 데이터를 수집하고 외부로 전송할 수 있다.
내부자는 정상적인 업무 권한을 가지고 있기 때문에 외부 공격자보다 탐지가 어려운 경우가 있다.
예를 들어 고객정보를 조회할 권한이 있는 직원이 업무 목적을 벗어나 대량 조회하거나 개인 이메일로 전송하는 경우, 단순한 계정 인증 성공 여부만으로는 이상행위를 식별하기 어렵다.
또한 업무 담당자의 실수로 공유 링크를 전체 공개하거나 잘못된 수신자에게 파일을 발송하는 경우에도 유출이 발생할 수 있다.
따라서 데이터 유출 방지는 외부 침입 차단뿐 아니라 권한 관리, 데이터 분류, 행위 모니터링 및 업무 절차 개선을 함께 요구한다.
공격자에 의한 데이터 유출은 일반적으로 최초 침입부터 데이터 수집, 반출까지 여러 단계를 거친다.
최초 침입
│
▼
권한 확보·권한 상승
│
▼
내부 시스템 탐색
│
▼
데이터 수집
│
▼
압축·암호화·분할
│
▼
외부 전송 경로 확보
│
▼
데이터 반출
│
▼
판매·공개·악용
이 과정은 대표적인 공격 시나리오이며, 모든 데이터 유출이 이러한 순서를 거치는 것은 아니다. 공개 설정 오류나 잘못된 이메일 발송과 같은 사고는 별도의 침입 과정 없이 발생한다.
공격자는 침해한 시스템에서 가치가 높은 데이터를 식별한다.
대표적인 수집 대상은 다음과 같다.
- 고객정보 및 개인정보 데이터베이스
- 인증정보와 비밀번호 해시
- 금융거래 및 결제정보
- 기업의 재무·계약·연구개발 문서
- 소스 코드와 내부 API 명세
- 시스템 구성정보와 암호키
- 이메일과 업무 협업 데이터
공격자는 데이터베이스 전체를 추출하기도 하지만, 특정 조건에 해당하는 레코드만 조회하거나 파일을 분할하여 수집할 수도 있다.
외부 전송에 앞서 데이터를 압축하거나 암호화하여 크기를 줄이고 내용 검사를 어렵게 만들 수 있다.
또한 대용량 파일을 작은 단위로 분할하거나 일정 시간 간격으로 전송하여 탐지 임계치를 회피할 수 있다.
MITRE ATT&CK의 T1030(Data Transfer Size Limits)은 전송 데이터를 일정 크기로 분할하거나 전송량을 제한하는 기법을 설명한다.[2]
데이터 유출 경로는 네트워크, 클라우드 서비스, 엔드포인트 및 물리적 매체 등으로 구분할 수 있다.
| 경로 | 주요 방식 | 탐지 단서 |
|---|---|---|
| HTTPS | 외부 서버로 파일 업로드 | 비정상 업로드량, 새로운 목적지 |
| 클라우드 저장소 | 개인 계정 또는 외부 테넌트로 데이터 복사 | 승인되지 않은 클라우드 사용 |
| 이메일 | 외부 수신자에게 첨부파일 발송 | 대량 첨부, 비정상 수신자 |
| DNS | 질의·응답에 데이터를 인코딩하여 전송 | 긴 도메인명, 비정상 질의 패턴 |
| 명령·제어 채널 | 악성코드의 C2 통신 경로를 통한 반출 | 비정상 비컨 통신, 전송량 변화 |
| 코드 저장소 | 외부 Git 저장소 등에 데이터 업로드 | 비인가 저장소 접근·커밋 |
| USB·이동식 매체 | 파일 복사 후 물리적 반출 | 대량 파일 복사, 매체 연결 이력 |
| 생성형 AI 서비스 | 프롬프트·첨부파일로 내부정보 전송 | 비인가 AI 서비스 사용, 민감정보 입력 |
| 인쇄·촬영 | 출력물 또는 화면 촬영을 통한 반출 | 비정상 인쇄량, 물리보안 위반 |
공격자가 이미 확보한 C2(Command and Control) 채널을 통해 데이터를 반출하는 방식이다.
MITRE ATT&CK은 이를 T1041(Exfiltration Over C2 Channel)로 분류한다.[3]
정상적인 웹 통신과 유사한 HTTPS 연결을 사용하거나, 주기적으로 소량의 데이터를 전송하여 탐지를 회피할 수 있다.
따라서 C2 통신 탐지와 데이터 반출 탐지는 서로 연계하여 분석하는 것이 중요하다.
공격자는 일반적으로 업무 환경에서 허용되는 클라우드 저장소, 파일 공유 서비스 또는 코드 저장소를 이용해 데이터를 반출할 수 있다.
MITRE ATT&CK은 이러한 행위를 T1567(Exfiltration Over Web Service)로 분류한다.[4]
이 방식은 정상 업무 트래픽과 혼재될 수 있다는 특징이 있다.
특히 동일한 클라우드 서비스 안에서 다른 계정이나 테넌트로 데이터를 공유하는 경우, 단순한 인터넷 송신량 감시만으로는 탐지가 어려울 수 있다.
데이터 유출 탐지는 데이터 내용, 사용자 행위, 네트워크 트래픽 및 시스템 로그를 종합적으로 분석하는 방식으로 수행된다.
단일 보안 장비만으로 모든 유출 경로를 탐지하기는 어렵다.
DLP(Data Loss Prevention)는 민감한 데이터의 비인가 이동이나 외부 전송을 탐지·통제하는 기술이다.
DLP는 적용 위치에 따라 다음과 같이 구분할 수 있다.
| 유형 | 적용 위치 | 주요 기능 |
|---|---|---|
| Endpoint DLP | PC·노트북 등 단말기 | USB 복사, 파일 이동, 인쇄 등 통제 |
| Network DLP | 네트워크 경계·전송 구간 | 이메일·웹 전송 데이터 검사 |
| Cloud DLP | 클라우드 저장소·SaaS | 민감정보 식별, 공유 정책 검사 |
| 저장 데이터 탐지 | 파일 서버·데이터 저장소 | 저장된 민감정보 검색·분류 |
DLP의 주요 탐지 방식은 다음과 같다.
- 패턴 매칭: 주민등록번호, 카드번호 등 정형 데이터의 형식 검사
- 키워드 검사: 기밀 표시, 특정 업무 용어 등 탐지
- 정확한 데이터 일치: 보호 대상 데이터와 비교하여 식별
- 문서 지문: 특정 문서 또는 유사한 콘텐츠 탐지
- 콘텐츠 분류: 문서의 내용과 민감도에 따른 분류
- 정책 기반 통제: 사용자, 목적지, 데이터 유형에 따라 허용·경고·차단
DLP는 암호화된 파일이나 비정형 데이터, 우회 전송 경로를 완벽하게 식별하지 못할 수 있다. 따라서 데이터 분류와 접근통제, 네트워크 모니터링을 병행해야 한다.
네트워크 기반 탐지는 외부로 나가는 트래픽의 목적지, 프로토콜, 크기 및 시간적 특성을 분석한다.
주요 탐지 항목은 다음과 같다.
- 평소보다 급격히 증가한 외부 업로드량
- 업무시간 외 지속적인 데이터 전송
- 처음 접속한 외부 도메인으로의 대량 통신
- 승인되지 않은 클라우드 서비스 사용
- 비정상적인 DNS 질의 빈도 및 길이
- 일반적이지 않은 포트·프로토콜 사용
- 장기간에 걸친 반복적인 소량 데이터 전송
다만 대용량 백업, 정상적인 파일 전송, 소프트웨어 업데이트 등의 업무 활동도 유사한 특징을 보일 수 있다.
따라서 사용자와 시스템별 정상 행위 기준선을 수립하고 업무 맥락을 함께 분석해야 한다.
UEBA(User and Entity Behavior Analytics)는 사용자와 시스템의 평상시 활동을 분석하고 이상행위를 탐지하는 기술이다.
대표적인 탐지 시나리오는 다음과 같다.
- 특정 직원의 고객정보 조회량이 급격히 증가
- 평소 접근하지 않던 데이터베이스에 대량 접근
- 퇴사 예정자의 대규모 파일 다운로드
- 야간 또는 휴일에 발생하는 비정상 데이터 추출
- 여러 시스템에서 동일 계정으로 연속적인 대량 조회
- 외부 공유 링크의 갑작스러운 대량 생성
UEBA는 단일 이벤트보다 여러 이벤트의 상관관계를 분석할 때 효과적이다.
데이터베이스와 업무 애플리케이션에서는 단순한 로그인 기록 외에 실제 데이터 접근 행위를 확인할 수 있어야 한다.
주요 분석 항목은 다음과 같다.
- 사용자 및 서비스 계정 식별자
- 접근한 데이터베이스와 테이블
- 조회·수정·삭제 작업의 종류
- 조회 결과 건수 및 반환 데이터량
- 대량 추출·내보내기 기능 실행
- API 호출 빈도와 응답 크기
- 접근 시간, 출발지 IP 및 단말기 정보
데이터베이스 감사 로그나 애플리케이션 로그가 충분하지 않으면 실제로 어떤 정보가 조회되었는지 확인하기 어려울 수 있다.
반대로 모든 조회 결과의 원문을 로그에 저장하면 로그 자체가 민감정보 유출 경로가 될 수 있으므로 기록 범위를 적절히 설계해야 한다.
데이터 유출 방지는 보호 대상 데이터의 식별에서 시작하여 접근통제, 전송 통제, 탐지 및 사고 대응으로 이어지는 다층적 통제 체계로 구성된다.
보호 대상 데이터가 어디에 저장되어 있고 누가 접근할 수 있는지 파악하지 못하면 효과적인 유출 방지 정책을 적용하기 어렵다.
일반적인 데이터 분류 예시는 다음과 같다.
| 분류 | 데이터 예시 | 주요 통제 |
|---|---|---|
| 공개 | 외부 공개 자료, 보도자료 | 무결성 관리 |
| 내부용 | 일반 업무 문서, 내부 절차 | 내부 사용자 접근 제한 |
| 기밀 | 계약정보, 영업비밀, 미공개 소스 코드 | 접근통제, 암호화, 반출 승인 |
| 고도 기밀 | 핵심 암호키, 중요 인증정보, 민감한 개인정보 | 엄격한 권한 분리, 접근 감사, 별도 보호 |
실제 분류 등급과 통제 기준은 조직의 정보보호 정책과 관련 법령에 따라 정의해야 한다.
데이터 유출 위험을 줄이기 위해서는 사용자가 업무 수행에 필요한 범위에서만 데이터에 접근하도록 해야 한다.
주요 통제 방식은 다음과 같다.
- 역할 기반 접근통제(RBAC)
- 속성 기반 접근통제(ABAC)
- 최소 권한 원칙
- 특권계정 관리(PAM)
- 다중요소 인증(MFA)
- 중요 데이터 접근 승인
- 서비스 계정 권한 최소화
- 정기적인 권한 재검토
특히 읽기 권한과 대량 다운로드·내보내기 권한을 분리하면 정상적인 업무 조회는 허용하면서 대규모 반출 위험을 줄일 수 있다.
조직 외부로 전송되는 데이터를 통제하기 위해 다음 기술을 활용할 수 있다.
- 이그레스 필터링: 승인된 목적지와 프로토콜로의 통신만 허용
- 보안 웹 게이트웨이(SWG): 웹 접근 및 파일 업로드 정책 적용
- CASB: 클라우드 서비스 사용과 데이터 공유 정책 관리
- SASE/SSE: 사용자와 클라우드 서비스 간 접근 및 데이터 보호 정책 통합
- 클라우드 보안 형상 관리: 공개 스토리지와 과도한 접근 권한 탐지
- 암호화: 저장 및 전송 중 데이터 보호
암호화는 전송 중 도청이나 저장매체 탈취에 대한 보호 수단이지만, 정당한 접근 권한을 탈취한 공격자가 복호화된 데이터를 반출하는 행위까지 자동으로 방지하지는 못한다.
수집하거나 저장하는 데이터의 양이 많을수록 유출 사고 발생 시 잠재적인 피해 규모도 커질 수 있다.
따라서 업무에 불필요한 데이터는 수집하지 않고, 보존 기간이 종료된 데이터는 관련 법령과 정책에 따라 안전하게 삭제해야 한다.
시험·개발 환경에는 실제 고객정보를 무분별하게 복제하지 않고 가명처리·마스킹 또는 합성 데이터를 활용하는 방안을 검토할 수 있다.
데이터 유출이 의심되는 경우에는 추가 유출 차단과 증거 보존, 영향 범위 확인을 동시에 고려해야 한다.
NIST SP 800-61 Rev.3은 사이버보안 사고 대응을 조직의 위험관리 활동과 연계하고, 탐지·분석·대응·복구의 효과성을 높이기 위한 권고사항을 제시한다.[7]
유출 의심 정황이 발견되면 다음 사항을 우선 확인한다.
- 유출이 의심되는 시스템과 계정을 식별한다.
- 현재 진행 중인 비인가 접근과 데이터 전송을 확인한다.
- 추가 유출을 막기 위한 계정 차단·세션 폐기·네트워크 격리 등을 검토한다.
- 시스템 로그와 네트워크 기록, 클라우드 감사 로그를 보존한다.
- 데이터의 종류와 민감도를 파악한다.
- 사고 대응 조직과 관련 책임자에게 보고한다.
- 법적 신고 및 통지 의무가 발생하는지 검토한다.
격리와 계정 차단은 추가 피해를 줄일 수 있지만, 침해 원인과 증거를 훼손하지 않도록 조치 순서와 방법을 신중하게 결정해야 한다.
유출 사고 조사에서 중요한 것은 접근 가능했던 데이터, 실제로 조회된 데이터, 외부로 반출된 데이터를 구분하는 것이다.
| 구분 | 확인 내용 | 주요 증거 |
|---|---|---|
| 노출 가능 범위 | 권한 오류 등으로 접근 가능했던 데이터 | 접근제어 설정, 데이터 구조 |
| 접근 확인 범위 | 실제로 열람·조회된 데이터 | 애플리케이션·DB 감사 로그 |
| 반출 확인 범위 | 외부로 전송된 데이터 | 네트워크 기록, 파일 전송 로그 |
| 추가 피해 범위 | 유출 데이터를 이용한 후속 악용 | 계정 오용, 피싱, 외부 공개 정황 |
예를 들어 공격자가 고객 데이터베이스에 접근할 수 있었다는 사실만으로 전체 고객정보가 외부로 반출되었다고 단정해서는 안 된다.
반대로 네트워크 로그에서 대용량 전송이 확인되지 않았다는 이유만으로 유출이 없었다고 단정할 수도 없다. 로그 누락, 암호화 통신, 클라우드 내부 전송 등으로 실제 반출 범위가 명확하지 않을 수 있기 때문이다.
조사 결과는 확인된 사실과 추정, 확인되지 않은 사항을 구분하여 기록해야 한다.
사고 조사에서는 다음과 같은 자료가 활용된다.
- 운영체제 이벤트 로그
- EDR 및 악성코드 탐지 기록
- 데이터베이스 감사 로그
- 웹서버 및 애플리케이션 접근 로그
- 방화벽·프록시·DNS 로그
- 클라우드 감사 로그
- 인증 및 권한 변경 이력
- 메모리·디스크 이미지
- 파일 생성·수정·압축·전송 이력
증거 수집 시에는 원본의 무결성과 수집 시각, 수집 담당자, 보관 및 전달 이력을 관리해야 한다.
NIST SP 800-61 Rev.3은 사고 조사 자료의 무결성과 출처를 보존하고, 조사 과정과 조치 이력을 기록하는 활동의 중요성을 강조한다.[7]
사고 원인이 확인되면 취약점 수정, 인증정보 교체, 접근 권한 재설정, 악성코드 제거 및 시스템 복구 등을 수행한다.
복구 이후에는 다음 사항을 검증한다.
- 최초 침입 경로가 차단되었는지
- 공격자의 지속성 확보 수단이 제거되었는지
- 유출된 인증정보가 폐기되었는지
- 동일한 취약점이 다른 시스템에도 존재하는지
- 탐지 및 감사 로그가 정상적으로 수집되는지
- 추가 데이터 유출 정황이 없는지
이미 외부로 반출된 데이터는 시스템 복구만으로 회수할 수 없으므로 피해자 보호, 추가 악용 감시 및 법적 대응 등을 별도로 검토해야 한다.
데이터 유출 중 개인정보가 관련된 경우에는 일반적인 보안 사고 대응과 별도로 개인정보 보호 관련 법령에 따른 조치가 필요할 수 있다.
대한민국에서는 개인정보 보호법과 관련 시행령, 개인정보의 안전성 확보조치 기준 등이 적용될 수 있으며, 금융회사 등 특정 업종에는 신용정보법 등 별도 법령도 관련될 수 있다.
주요 검토 사항은 다음과 같다.
- 유출된 정보가 법률상 개인정보에 해당하는지
- 개인정보의 분실·도난·유출에 해당하는지
- 정보주체에 대한 통지 의무가 발생하는지
- 개인정보 보호위원회 등 관계기관 신고 대상인지
- 적용되는 신고·통지 기한과 방법은 무엇인지
- 정보주체의 피해 최소화를 위해 필요한 조치는 무엇인지
- 위탁업체 또는 제3자 제공 관계에서 책임 범위가 어떻게 구분되는지
구체적인 신고 대상과 기한은 사고 당시 시행 중인 법령, 유출된 정보의 성격, 정보주체 규모 및 적용 업종에 따라 판단해야 한다.
또한 데이터 유출이라는 보안상 개념과 법률상 개인정보 유출의 성립 요건은 반드시 일치하지 않으므로 구분하여 검토해야 한다.
클라우드 환경에서는 데이터가 여러 저장소와 서비스, 계정 및 지역에 분산되어 관리될 수 있다.
대표적인 위험은 다음과 같다.
- 객체 스토리지의 공개 접근 설정
- 과도한 IAM 권한
- 외부 테넌트로의 데이터 공유
- 유출된 API 키와 서비스 계정
- 백업·스냅샷의 비인가 복사
- 공개 저장소에 포함된 클라우드 인증정보
- SaaS 서비스의 잘못된 공유 정책
- 클라우드 감사 로그의 미설정 또는 보존 부족
클라우드 데이터 유출 방지에서는 네트워크 경계뿐 아니라 IAM, 데이터 접근 정책, 저장소 공개 설정, 서비스 간 신뢰 관계 및 감사 로그를 함께 관리해야 한다.
특히 같은 클라우드 제공자 내부에서 계정 간 데이터가 이동하는 경우, 전통적인 인터넷 경계 장비만으로는 해당 행위를 충분히 관찰하지 못할 수 있다.
생성형 AI 서비스의 확산으로 업무 문서, 소스 코드, 고객정보 등이 프롬프트나 첨부파일 형태로 외부 서비스에 전달되는 새로운 데이터 유출 위험이 발생하고 있다.
대표적인 위험 시나리오는 다음과 같다.
- 직원이 외부 AI 서비스에 고객정보를 입력
- 내부 소스 코드를 코드 생성 도구에 전송
- AI 에이전트가 과도한 권한으로 내부 파일에 접근
- 외부 도구 호출을 통해 민감정보가 제3자에게 전달
- 검색증강생성(RAG) 시스템의 접근통제 오류로 다른 사용자의 문서 노출
- 프롬프트 인젝션으로 AI 시스템이 허가되지 않은 데이터 전송 수행
대응 방안으로는 승인된 AI 서비스 사용, 입력 데이터 분류, 접근 권한 최소화, 프롬프트 및 도구 호출 감사, 민감정보 필터링, 외부 전송 정책 적용 등을 고려할 수 있다.
AI 서비스가 입력 데이터를 모델 학습에 사용하지 않는다고 안내하더라도 데이터의 외부 전송, 보존, 처리 위치, 접근 권한 및 계약상 보호 조건을 별도로 확인해야 한다.
조직의 데이터 유출 방지 체계는 다음과 같은 항목을 기준으로 점검할 수 있다.
| 점검 영역 | 주요 확인사항 |
|---|---|
| 데이터 자산 관리 | 보호 대상 데이터의 위치·소유자·민감도 식별 |
| 접근통제 | 최소 권한, 권한 분리, 정기적 권한 검토 |
| 인증 보안 | MFA, 특권계정 관리, 인증정보 보호 |
| 저장소 보안 | 클라우드 공개 설정, 데이터베이스 접근제어 |
| 반출 통제 | 이메일·웹·클라우드·USB 등 전송 경로 관리 |
| DLP | 민감정보 탐지 정책과 차단·예외 처리 절차 |
| 네트워크 탐지 | 외부 전송량, 비정상 목적지, DNS 이상행위 |
| 로그 관리 | 사용자별 조회·다운로드·반출 기록 확보 |
| 내부자 위협 | 비정상 대량 조회, 퇴직자·협력업체 계정 관리 |
| 클라우드 보안 | IAM, 공유 정책, 계정 간 데이터 이동 감사 |
| AI 서비스 보안 | 민감정보 입력 통제, 외부 도구 호출 관리 |
| 사고 대응 | 유출 범위 분석, 증거 보존, 신고·통지 절차 |
| 복구 및 개선 | 취약점 조치, 재발 방지, 탐지 규칙 개선 |
데이터 유출 방지의 핵심은 모든 외부 전송을 차단하는 것이 아니라, 데이터의 민감도와 업무상 필요성을 기준으로 허용되는 이동을 정의하고 그 범위를 벗어나는 접근·전송을 탐지하고 통제하는 것이다.
- ↑ MITRE ATT&CK, 「Exfiltration, Tactic TA0010 - Enterprise」, https://attack.mitre.org/tactics/TA0010/, 확인: 2026-11-15.
- ↑ MITRE ATT&CK, 「Data Transfer Size Limits, Technique T1030」, https://attack.mitre.org/techniques/T1030/, 확인: 2026-11-15.
- ↑ MITRE ATT&CK, 「Exfiltration Over C2 Channel, Technique T1041」, https://attack.mitre.org/techniques/T1041/, 확인: 2026-11-15.
- ↑ MITRE ATT&CK, 「Exfiltration Over Web Service, Technique T1567」, https://attack.mitre.org/techniques/T1567/, 확인: 2026-11-15.
- ↑ MITRE ATT&CK, 「Exfiltration Over Alternative Protocol, Technique T1048」, https://attack.mitre.org/techniques/T1048/, 확인: 2026-11-15.
- ↑ MITRE ATT&CK, 「Exfiltration Over Physical Medium, Technique T1052」, https://attack.mitre.org/techniques/T1052/, 확인: 2026-11-15.
- ↑ 7.0 7.1 NIST, 「Incident Response Recommendations and Considerations for Cybersecurity Risk Management: A CSF 2.0 Community Profile」, NIST SP 800-61 Rev.3, 2025-04-03, https://doi.org/10.6028/NIST.SP.800-61r3.