Why SPL?
이승훈 실장
010-9338-6400
>
빅데이터 엔진
Logs >
Change Events >
Configuration data >
Metrics
>
Scripts
>
Any Ascii data, any f ormat >
Enterprise > Managem ent >
Business Applicatio ns >
Databases > Transacti ons >
Storage > Netwo rks >
Structured > Semi-Struct ured >
Unstructured
>
Error s >
Servers
>
스플렁킹
데이터수집과 인덱 싱
Business A nalytics
IT Operatio ns Manage Security &
Compliance Application Managemen
t
제공솔루션
Connect ors
DB Limit
차이점
활용분야
↓ 90% MTTR or MTTI
↓ 70% Escalations
Reactiv e Search + Investig
ate
↑ Uptime
Proacti ve Proactive Monitori
ng
↑ KPIs, SLAs, QoS
Service Operational Visibil
ity
Real Time Business Vision
↑ Value
Value
Business Insights Cloud Solut
ions Microsoft S
olutions
Universal Dat
a Engine Schema on the Fly
Powerful Search
& Reporting Lan guage
Scales from Desktop to Ente
rprise
Passionate and V ibrant Communit
y
스플렁크의 5가지 주요 활용 영역 04
빅데이터 탐색
모든 빅데이터를 검색하고, 시각화 하고, 이해하여 의
사결정을 향상
고객에 대한 전방위적인 시야 확 보
내부 및 외부의 추가적인 정보 소스 를 통합하여 고객에 대한 기존의 시
야(MDM, CRM 등)를 확장
운영 분석
다양한 머신 데이터를 분석하여 비즈니스 성과를 향상
데이터 웨어하우스 강화
빅데이터와 데이터 웨어하우스 기능 을
통합하여 운영 효율 향상
보안/인텔리전스 확장
실시간으로 위험을 낮추고, 부정행위 를 발견하고, 사이버 보안을 모니터
링
스플렁크 도입사례 – 외부 침해 (APT 공격 등) 탐지 05
•
기존 통합 보안 시스템의 문제점
신규 보안 장비 및 솔루션 도입 시 통합이 힘들고, 보안 시스템의 증가로 수집 대상 이벤트 및 분석 복잡도 증가함
기존 시스템은 RDBMS 기반으로 되어 있어 장기간 분석에 성능 이슈가 발생하고 데이터 필터링 작업이 힘듬
보안 이벤트를 정제하여 분석하기 때문에 Raw Data의 내용을 검색하지 못함•
개선 방향
APT 공격은 정상적인 행위로 가장하여 장기간에 걸쳐 진행되므로 모든 데이터를 수집해서 장기간 상관분석을 빠르게 진행할 수 있는 빅데이터 기술이 필요함
기존 시스템의 오탐 및 과탐을 줄이기 위한 각각 보안 장비별 연관분석과 임계치 기반의 시나리오 적용
Ex) 침입탐지시스템 및 웹방화벽, 인터넷뱅킹 서버를 통합하여 Unicode URL 복호화 취약점 공격 시도 연관 분석Advanced Persistent Threats 추적
스플렁크 도입사례 – 내부(개인)정보 유출 감시 06
•
기존 내부정보 유출 감시 시스템의 문제점
DRM, DLP, 그룹웨어, 업무시스템, 계정관리 시스템 등을 연결한 복합 시나리오 적용 시 성능 이슈 발생
특히 이메일 같은 비정형 텍스트 내의 정보 분석 시 오탐률 높음•
개선 방향
내부의 수많은 업무 시스템 및 정보 유출 관련 보안 시스템, 접근 제어, 계정관리, 유해 사이트 차단 등 통합적인 컴플라이언스 관련 이슈들을 쉽게 적용하고 실시간 모니터링 할 수 있는 시스템이 요구됨
NPL(자연어 처리), 의미 분석 등의 기능이 필요함
보안 사고 증가로 인하여 복합 시나리오 및 개인별 정보 유출 지수화, 위험 인물 탐지 등이 실시간으로 요구됨복합 시나리오 적용 및 지수화
파일서버 자료 다운로드···→(○) 암호화 해제 ···→(○) 미 허가 p2p 프로그램 설치
···→(△) P2p 파일업로드
···→(○) 파일서버 자료 다운로드
암호화 해제
미 허가 p2p 프로그램 설치 P2p 파일 업로드
연구소A 과장은 경쟁사에 연구자료를 넘겨주기 위해 연구소 파일서버 자료를 암호화 해제 후 미 허가 p2p 접속프로그램을 설치, 자료를 유출함.
단일패턴 확정:
- 암호화 해제 - p2p 파일 업로드 복합패턴 확정
- 암호화 해제 후 p2p 업로드 한 경우 위험 행위 패턴 도출 예시
스플렁크 도입사례 – 금융 사고 예방 탐지 07
•
금융 사고 예방을 위한 빅데이터 기술 적용
최근 가장 이슈가 되고 있는 보이스 피싱, 스미싱, 해킹에 의한 금융 사고를 방지하기 위해 개발
빅데이터 기술을 사용하여 고객이 거래 시 과거 이체 기록 및 접속 위치 등 다양한 정보 기반의 이상 거래 패턴 탐지
보편적인 금융사기예방서비스와는 다르게 금융사고에 해당하는 거래에 대해 선별적으로 통지/ 관리
실제 금융사고 사례를 분석 및 금융감독원/FFIEC(미국 연방금융회사검사위원회)의 권고사항을 기준으로 가설을 설정하고 검증하여 탐지 시나리오 설정
Ex) 6개월 미 접속한 고객이 중국에서 접속하여 알림 서비스를 해지하고 공인인증서를 재 발급 후 계좌 이체 시도하는 경우의 탐지 시나리오 또는 한 개의 IP Adress로 다수의 아이디로 로그인을 시도하는 경우 등보이스 피싱, 해킹 패턴 탐지
고객/Hacker 인증서 로그인 이체정보 입력 OTP/보안카드 입력 SMS 부가 인증
[OO은행 본인인증] 금융사고로
탐지 되었습니다. 당사 민원실 (1577-0011)로 문의 바랍니다.정상거래 시 인증번호는 [123232]입니다.
보이스피싱
금융사고 탐지 정책에 해당되는 행위 탐 지
통합보안관제 시스템 금융사고 탐지
금융사고 탐지정 책
Compliance팀 금융사고 통지
스플렁크 도입사례 – FDS(Fraud Detection System) 08
•
문제점
업무 프로세스 변경에 따른 시나리오 변경이 어려움 (추가 개발 필요)
업무 시스템 증가로 더 많은 이벤트와 분석 복잡도 증가
RDBMS를 이용한 배치 프로세스로 되어 있어 실시간 탐지 및 사고 발생 시 즉시 대응 불가•
개선 방향
내부 거래 및 업무 데이터 뿐만 아니라 외부 데이터도 수집하고 실시간 분석 및 장기간 분석이 가능한 빅데이터 기술을 적용하고자 함
Ex) 비씨카드의 FDS 시스템의 경우 카드 승인 건이 발생할 때마다 부정혐의가 높은 거래 건을 추출하여 정상거래가 아닐 경우 즉시 카드를 정지시킴FDS 고도화 및 실시간 탐지
스플렁크 도입사례 – 웹 분석 09
•
문제점
방문자 수, 상위 컨텐츠, 이동 경로, 통계 등 대부분이 Website Tracking 수준으로 고급 분석이 불가
효과적인 마케팅 이니셔티브 식별 어려움•
개선 방향
사용자 행동과 상품 최적화에 대한 심도 있는 이해 및 즉시 적용 가능한 다수의 세그먼트에 의한 데이터 마이닝 필요
효율적 운영뿐만 아니라 3rd Party 데이터 통합, Adhoc 분석, 360° 고객 뷰 등 지원 요구
고객 반응 학습에 의한 실시간 최적 상품 추천운영 효율성 및 360° 고객 뷰
스플렁크 도입사례 – 인프라 통합 관제 10
•
문제점
기술 플랫폼 다양화와 단위 시스템 증가에 따른 통합 모니터링 구축이 쉽지 않음
인프라 관리 뿐만 아니라 단위 업무 서비스에 대한 모니터링 필요성 증대
다양한 형태의 전산 장애가 발생하며 여전히 원인 분석 및 장애 조치에 많은 시간 소요됨•
개선 방향
각각의 솔루션이 아닌 하나의 솔루션을 통한 모니터링 및 분석을 통해 빠른 원인 분석 및 조치를 할 수 있는 시스템 요구됨
네트워크, 서버, 디스크, 업무 서비스 등을 하나로 묶어 연관 관계를 만들고 분석해서 영향도를 측정할 수 있는 시스템 필요함, 실시간 장애관리 및 대응체계 구축 필요네트워크, 서버, 애플리케이션 관제
스플렁크 도입사례 – 서비스 모니터링 11
•
서비스 운영 및 프로세스 자동화를 위한 기반 구축
자동임계치 기반의 사용자 체감 성능 모니터링 구현
비즈니스 서비스 운영상태의 실시간 정합성 점검 체계 고도화/자동화 구현
비즈니스 서비스 모니터링을 통한 사전 장애감지 구현
장애 발생 시 어플리케이션, 네트워크, 시스템 상호 정보 연계분석을 통한 신속 대응 체계 마련
기존 운영담당자의 역량과 수작업에 의존한 모니터링 및 분석절차의 비효율성을 개선
장애 사전 감시 체계 구축을 통한 위험비용 감소에 기여하여 대 고객 서비스를 개선단위 업무 서비스 모니터링
스플렁크 도입사례 – VOC 분석 12
•
PB 전화상담(Voice) 데이터 분석을 통한 영업력 강화
향상된 고객정보 자산수집
개인화된 마케팅, 영업력 강화 및 PB 역량 강화
HDFS (Hadoop Distributed File System) – 빅데이터 시스템
NLP : 자연어 처리 (Natural Language Processing)전화 상담 데이터 분석을 통한 영업력 강화
스플렁크 도입사례 – 마케팅 13
•
현행 마케팅의 한계점
감지 – 과거 고객정보에 기반한 고객 니즈 포착 한계-> 다양한 채널의 고객 행동 시점의 이벤트 기반 실시간 니즈 발굴 필요
판단 – 사전에 정의된 Offer만 가능하여 고객행동 변화에 대응 한계 -> 개별 고객에 맞춘 Rule 기반 유연한 Offer 실시간 조합 필요
수행 – 캠페인의 적시성/지속성 미흡-> 자동화 기반 즉각적/지속적 캠페인 실행 요구됨
Real Time Marketing
스플렁크 도입사례 – 하이브리드 D/W 14
•
기존 D/W 시스템의 문제점
원천 데이터의 지속적 증가 및 다양한 데이터 제공 요구에 따른 처리 절차 및 결과의 복잡성 증가로 병목 현상 발생
수직적 확장만 가능한 구조로 성능 향상을 위한 방향이 제한적임
Raw 데이터 수용 불가로 데이터 마트 중심의 제한된 분석만 가능
데이터 증가 시 성능 저하 및 비용 증가로 인해 구축 / 운영 비용 과다 지출함빅데이터와 D/W를 혼합한 하이브리드 시스템
스플렁크 분석 시스템의 필요성 15
•
고객에 대한 기민한 이해와 실시간 위험관리의 핵심인 Big Data의 지배를 통해 경쟁사가 모방하기 어려운 기반 구축함경쟁력의 핵심은 Big Data의 지배
고객만족 Risk 대응
• 경쟁사를 뛰어넘는 고객 만족
• 고객에 대한 기민한 이해는 향후 10년을 좌우
• Risk의 사전 감지통한 실시간 대응
• 사건 발생 시점과 감지 시점 사이의 지연 최소화 내/외부 Big Data
소셜
미디어 보안 시스템
웹 서비스
-방문이력 -선호상품
-불만 -트렌드
-해킹 -정보유출
-결함 -장애
Big Data 지배
스플렁크 시스템의 필요성
보안 / FDS / BI / 인프라 서비스 관리 등 다양한 솔루션에서 빅데이터 기술을 필요로 하고 있으며 기업의 입장에서는 하나의 빅데이터 플랫폼으로 통일하는 전략이 필요함
보안 및 인프라 관리, BI 등의 대상 데이터가 많은 부분에서 중복되므로 기업 내 데이터 지배구조가 반드시 필요하며 쉽게 확장할 수 있고 사용하기 편리한 데이터 관리 체계가 필요함
기존의 DW/CRM과는 달리 빠른 시간에 구축 가능하고 점진적으로 확장할 수 있는 새로운 시스템이 필요함
Why SPL?
업계 표준 Operational Intelligence 플렛폼
Enterprise Data Platform 거래 데이터
금융, 전자상거래
산업 데이터
제조 설비 및 IOT
서비스 데이터
인프라 및 애플리케이션
보안 데이터
네트워크 및 시스템 보 안
• 운용 최적화 및 효율성 증가 100%
• 사업 기회 확장
• 매출 증가 +
• 위험 감소 및 대응
• 고객 만족도 향상 +
• 사업 신뢰도 증가 +
• 컴플라이언스 강화 + 리스크 / 사기
관리 비즈니스 인텔리전스 Operational 인텔리전스
보안 / 컴플라 이언스
> 엔터프라이즈 데이터 > 밸류 정의
수집 / 저장 / 검색 실시간
분석/ 현황판 서비스 연계
• Fortune 100대 기업 중 8 0% Splunk
사용 .
업계 표준 Operational Intelligence 플렛폼
Enterprise Data Platform 거래 데이터
금융, 전자상거래
산업 데이터
제조 설비 및 IOT
서비스 데이터
인프라 및 애플리케이션
보안 데이터
네트워크 및 시스템 보 안
• 운용 최적화 및 효율성 증가 100%
• 사업 기회 확장
• 매출 증가 +
• 위험 감소 및 대응
• 고객 만족도 향상 +
• 사업 신뢰도 증가 +
• 컴프라이언스 강화 + Risk / Fraud
관리 Business 인텔리전스 Operational 인텔리전스
보안 / 컴플라 이언스
> 엔터프라이즈 데이터 > 밸류 정의
수집 / 저장 / 검색 실시간
분석/ 현황판 서비스 연계
“Data-driven 비즈니스 결정기반”을 통한 핵심 사업 혁신
Risk 0%
• 빠른 도입 ROI
• 8000+ 개의 빠른 성공적 고 객 구축 사례 및 글로벌 주 요 기업의 구축
글로벌 리더
• 데이터 플렛폼 으로 기준 및 트 랜드의 선두, 가장 혁신적인 Big Data 플렛폼
시간+완성도
= $$$
• 구축 기간 단축 및 플렛폼 완성도 검증
