[기사 스크랩] KT, 네트워크 트래픽 진단 솔루션 ‘DX 케어’ 개발

통신사 뉴스

 

기사 제목 : KT, 네트워크 트래픽 진단 솔루션 ‘DX 케어’ 개발

기사 링크 : https://www.netmanias.com/ko/?m=view&id=operator_news&no=15892&page=4

KT, 네트워크 트래픽 진단 솔루션 ‘DX 케어’ 개발 | NETMANIAS

 

---

본문 및 헤드라인

 

• KT, 기업 내 DX 서비스 품질 문제 자동 분석하는 트래픽 진단 기술 개발
• 초 단위로 트래픽 정밀 분석해 품질 저하 원인 분석부터 해결방안까지 제공
• 향후 기업 고객 대상 구독형 서비스로 ‘DX 케어’ 솔루션 제공할 계획

 

 KT(대표이사 김영섭, http://www.kt.com)가 기업 구내망의 품질 문제를 쉽고 빠르게 진단할 수 있는 'DX 케어' 솔루션을 개발했다고 10일 밝혔다.

 KT의 'DX 케어'는 현재 DX(디지털 전환)가 늘고 있는 기업 구내망 환경에서 네트워크 트래픽을 자동으로 진단해 결과 보고서까지 생성해 주는 트래픽 진단 솔루션이다.

 'DX 케어'는 패킷 분석과 RPA(로봇 프로세스 자동화) 기술을 기반으로 회선, 서버, AP 등 망을 구성하는 요소에서 발생하는 트래픽과 부하를 초 단위로 분석해 트래픽 손실과 지연 발생량, 발생 시점 등을 분석한다. 또, 분석한 트래픽 문제와 서비스 품질 저하 문제에 대한 해결방안도 제시한다.

 기존에는 화상회의 시 화질 저하 또는 끊김, 튕김 현상과 같이 기업 내 DX 서비스에 품질 문제가 발생하면 전문 인력이 원인을 파악하기까지 긴 시간이 걸렸다. 그러나 ‘DX 케어’ 솔루션을 활용하면 문제 원인부터 망 증설이나 장비 재배치 등의 해결방안까지 신속하게 확인할 수 있다.

 KT는 융합기술원 등 일부 KT 사옥에 ‘DX 케어’ 솔루션을 시범 적용했다. 사옥 내에서 DX 서비스의 품질 저하를 일으키는 원인을 확인해 트래픽을 최적화하는 과정에서 걸리는 시간이 기존에 전문 인력이 수작업으로 조치하기까지 걸리는 시간과 비교했을 때 약 80% 단축된 점을 확인했다.

 KT는 개발을 완료한 'DX 케어' 솔루션을 향후 구내망의 품질 저하를 우려하는 기업 고객에게 구독형 서비스로 제공하고, 진단 결과를 바탕으로 원활한 DX 서비스를 이용하도록 사전에 개선 방향을 제안하는 컨설팅 기능도 추가할 계획이다.

 KT 융합기술원 인프라DX연구소장 이종식 상무는 "’DX 케어’는 KT의 유무선 트래픽 진단분석, 기업 구내망 관리에 관한 다양한 노하우가 담겨있는 솔루션"이라며, "앞으로도 KT는 빠르게 변화하는 DX 환경에 맞춰 네트워크 인프라를 안정적으로 운용할 수 있는 기술들을 개발하겠다"고 말했다.

 

---

추가 조사할 내용 및 요약

 

1. AI 네트워크 인프라 기술

링크 : https://www.etri.re.kr/webzine/20211126/sub03.html

ETRI, 웹진, ETRI 웹진, 네트워크 기술과 AI 기술의 만남

 

NETWORK BY AI
5G와 AI 기술의 발전으로 네트워크 관리/응용 기술에도 새로운 변화가 시작됐다. 그간 수동적인 설정과 제어를 통한 운영방식에 의존해왔던 네트워크가 이제는 스스로 데이터를 분석하고 의사결정을 내릴 수 있게 되는 것이다. 특히, 네트워크 자동화 및 지능화 기술을 통해 최적의 상태로 자동 제어와 관리가 가능해질 것으로 전망된다.

한편, 네트워크의 초공간화가 가속화되고 서비스 및 기술과 사업자의 다양성 확대로 운영 관리 복잡성이 기하급수적으로 증가하는 6G 시대에는 네트워크 상태 정보나 실시간 이벤트, 로그 등 운영 데이터가 자동으로 수집된다. 이를 바탕으로 최적화된 의사결정 및 정책이 자동으로 만들어지는 지능형 자율 인프라가 만들어질 수 있을 것으로 전망된다.

Network for AINETWORK FOR AI
AI 기술이 보편화됨에 따라 컴퓨팅 자원(에지 컴퓨팅, 포그 컴퓨팅 등) 또는 디바이스 자체에 AI 엔진이 내장된 형태로 네트워크 전체에 널리 분산된 형태도 나타나고 있다. 이런 개별 AI는 자체 데이터를 기반으로 학습하고 추론하며 스스로 진화하게 된다.

문제는 분산화돼 있는 AI의 자체적 학습 및 추론만으론 로컬 데이터가 갖는 정보의 지역적 특성, 컴퓨터 성능의 제약 등으로 인해 종합적인 지능을 갖는 데 한계가 있다. 이는 분산된 지능이 서로 협력해 좀 더 강력한 지능을 생성하는 분산 협력 AI 패러다임으로 전환을 고려할 수밖에 없는 이유가 된다.

이에 네트워크 관점에서 분산 AI 협력을 달성하기 위한 분산 AI 오케스트레이션 기술과 분산 AI 네트워크 연결기술이 나타났다. 분산 AI 오케스트레이션 기술은 다계층 분산 클라우드 네트워크 환경에서 개인 정보를 보호하기 위해 등장한 기술이다. 자원의 효율적인 사용뿐만 아니라 서비스 품질, 위치, 오프로딩 수준 등을 통합적으로 고려해 주목받고 있다. 최근에는 분산 협업 학습 과정에서 원시 데이터 또는 중간 연산 결과를 주고받으면서 발생하는 비용을 최소화하기 위한 방법에 관한 연구가 활발하다.

분산 AI 네트워크 연결기술은 AI 엔진 학습에 필요한 원격 데이터와 AI 엔진이 분산 협력을 위해 서로 주고받는 AI 학습 모델의 안전한 공유· 교환을 제공하기 위한 기술이다. 특히 2020년 1월 국회 본회의를 통과한 데이터 3법(개인정보보호법·정보통신망법·신용정보법) 개정안 시행으로 활발한 데이터 공유가 가능해질 전망이다.

네트워크와 AI 기술의 미래THE FUTURE
네트워크 기술과 AI 기술은 당분간 독자적으로 발전하겠지만, 초연결 지능화 사회가 될수록 AI 서비스와 네트워크 서비스의 경계가 모호해질 것으로 예상된다. 특히 AI 서비스의 네트워크를 통한 확산이 크게 대두되는 시점에는 두 가지 기술이 결합해 ‘AI 응용서비스를 위한 자율 네트워킹 기술’로 진화될 것으로 전망된다.

앞으로 네트워크 도메인에서 AI 기술의 활용은 계속 늘어날 것이다. 이를 위해서는 각 네트워킹 이슈에 관한 개별적 연구뿐만 아니라 기반 기술로서 네트워크 도메인에 특화된 데이터 저장소와 네트워크 AI 플랫폼 기술 확보가 필요할 것이다

 

2. 트래픽 진단 기술

링크 : https://d2.naver.com/helloworld/310727

 

 NetFlow는 Cisco Systems가 개발한 네트워크 프로토콜로, 누가 언제 어디서 무엇을 어떻게 하는 데에 네트워크를 사용하는지에 관한 정보를 제공합니다. 이와 같은 정보를 분석하면 장애를 유발할 수 있는 네트워크 취약점을 파악하여 장애를 예방할 수 있으며 효율적으로 네트워크를 운영할 수 있습니다. 이는 곧 비용 절감과 수익 향상으로 이어집니다.

 10여 년 전에 발표된 이 기술이 요즘 더욱 각광을 받는 것은 최근 급변하는 IT 환경 때문입니다. 사용자는 모바일로 급속히 옮겨가고 서버에는 가상화와 클라우드가 도입되면서, 어떤 애플리케이션이 얼마만큼의 트래픽을 발생하는지 분석할 필요성이 생겼습니다. 또한 전통적인 데이터에 영상과 음성이 통합되면서 통신 품질을 보장하기 위해 더 높은 네트워크 효율에 대한 요구가 증가하고 있습니다.

이 글에서는 네트워크가 어떻게 사용되고 있는지 보여 줄 수 있는 중요한 기술인 NetFlow를 소개합니다.

전통적인 SNMP 성능 모니터링

 전통적으로는 네트워크를 모니터링할 때 전적으로 SNMP(Simple Network Management Protocol)에 의존했다. SNMP를 이용하면 특정 구간의 트래픽이 얼마나 되는지, 특정 스위치의 트래픽이 얼마나 되는지에 대한 실시간 데이터를 bps(bits per second) 단위로 볼 수 있다.

 그런데 어디에서 이런 트래픽이 시작되는지, 어떤 애플리케이션이 사용하는지 또는 특정 소스에서 어느 정도의 대역폭을 사용하는지와 같은 정보를 알고 싶은 때가 있다. 이런 정보는 SNMP를 이용한 모니터링만으로 알 수 없다. 물론 모든 패킷을 분석하면 가능하지만, 10Gbps 이상의 트래픽을 실시간으로 분석하려면 리소스가 너무 많이 필요하다.

 그래서 흐름(flow)이라는 개념이 사용된다. RFC 3917에서는 흐름을 "특정 시간 동안 네트워크상의 지정된 관찰 지점을 지나가는 패킷의 집합"이라고 정의한다. 간단히 이야기하면 흐름이란 패킷의 출발지와 목적지 정보 등을 가진 데이터라고 할 수 있다.

 SNMP는 트래픽 정보를 실시간으로 제공할뿐 아니라 네트워크 장비의 CPU와 메모리 사용량도 제공한다(NetFlow는 IP 흐름의 시작 시간과 종료 시간을 제공하지만 SNMP와 같은 수준의 실시간 데이터를 제공하지는 못한다). 이처럼 SNMP의 장점도 있지만 트래픽의 특성을 파악하기에는 부족하다. 따라서 더 많은 정보를 갖고 있는 NetFlow를 사용하여 IP 흐름의 특성을 파악하는 것을 권장한다.

네트워크 상황 분석을 위한 NetFlow

 네트워크 흐름이 어디에서 어디로 어떻게 가는지를 이해하고 분석하는 것은 네트워크 성능에 매우 중요하다. 흐름을 분석하면 더 정확하게 네트워크 장비의 용량을 산정할 수 있으며, 목적에 따라 QoS(Quality of Service)를 적절히 적용하여 네트워크 리소스 사용을 최적화할 수 있다. 또한 네트워크 흐름을 분석한 정보는 보안적인 측면에서 DoS(Denial of Service)와 네트워크에서 생성되는 웜(worm) 등 여러 보안 위협을 탐지하는 데 중요한 역할을 한다.

NetFlow는 IT 인프라에서 발생하는 여러 문제를 해결하는 데 다음과 같은 도움을 준다.

• 새로운 애플리케이션이 유발하는 네트워크 변화 분석 VoIP나 원격지의 상황 변화와 같은 새로운 네트워크 환경을 분석한다.
• WAN 통신 사용량 최대값 감소 네트워크 사용량이 많은 애플리케이션을 분석하고, 애플리케이션 정책 변경에 따른 WAN 통신 영향을 측정한다.
• 네트워크 구성의 취약점 파악 및 문제 해결 네트워크 사용이 많은 지점(hog)이 있거나 네트워크 성능이 낮을 때 명령어 인터페이스(CLI, Command Line Interface)나 리포트 도구를 사용해서 원인을 진단한다.
• 권한 없는 WAN 통신 탐지 네트워크 폭주를 유발하는 애플리케이션을 구별함으로써 네트워크 효율성을 높여 비용을 절감한다.
• 비정상적인 활동 탐지 및 보안 비정상적인 활동 탐지와 웜 분석에 사용할 수 있다.
• QoS 매개변수 유효성 검사 각 CoS(Class of Service)에 적절한 대역폭이 할당되어 있는지, 대역폭이 너무 크거나 작게 할당되는 경우는 없는지 확인한다.

링크 : https://m.dt.co.kr/contents.html?article_no=2023122002101531650002

https://m.dt.co.kr/contents.html?article_no=2023122002101531650002

 

 사람이 캡슐처럼 생긴 기기에 들어가 누우면 기기가 전신을 스캔해 신체와 건강상태를 읽는다. 문제가 발견되면 바로 치료가 시작된다. SF영화의 한 장면이다. 첨단 의료기술이 자동 진단과 맞춤치료를 해주는 것이다.

 

 네트워크에서도 이런 일이 현실이 되고 있다. AI(인공지능)가 통신 트래픽을 상시 감시하고 장애를 자동 감지할 뿐 아니라 문제가 생기면 스스로 회복 프로세스를 가동하는 것이다. 마치 로봇처럼 스스로 주변 상황을 감지하고 문제를 찾아내는 동시에 주어진 상황에 최적의 대응을 하는 자율운영 네트워크 기술이 개발·실증을 마치고 현장에 적용된다.

 대전에 본사를 둔 IT 기업 코드제이는 AI가 네트워크 상태를 손금 보듯 읽어서 상황에 대처하는 AI-NMS(네트워크 관리시스템) 운용관리 기능을 개발하고 국가 연구개발·시험망인 코렌(KOREN·초연결지능형연구개발망)에서 실증을 마쳤다. 이 회사는 인공지능팩토리, 제로원에이아이와 컨소시엄을 구성, 과기정통부·NIA(한국지능정보사회진흥원)의 '코렌 실증과제' 공모에 선정돼 실증 기회를 얻었다. 실증을 거친 기술은 코렌에 적용돼 AI로 움직이는 자율운영 네트워크 시대를 연다.

 ◇스스로 상황 파악·문제 찾아낸다네트워크가 발달하고 복잡해지면서 언제 어떤 식으로 발생할지 모르는 장애를 사전에 인지하고 신속하게 조치하기 위한 자율형 네트워크 기술이 부상하고 있다.

 자율형 네트워크는 AI, 머신러닝, 최적화 알고리즘을 활용해 스스로 동적으로 관리할 수 있는 네트워크를 의미한다.

 코드제이를 포함한 3사는 AI 기술을 활용해 네트워크 운영과 장애 대응, 문제 해결 과정을 180도 바꾼다는 도전적인 목표를 세웠다. 총 4년에 걸쳐 진행된 프로젝트를 통해 네트워크 장애 유무를 판단할 수 있는 AI엔진을 구축하고 트래픽 감시를 위한 AI엔진 모델을 업그레이드하는 한편 자가 최적화와 자가회복 프로세스를 구축했다.

 

3. RPA 기술

링크 : https://www.uipath.com/ko/rpa/robotic-process-automation

 

RPA(Robotic Process Automation)란?

 

 RPA(Robotic Process Automation)는 디지털 시스템 및 소프트웨어와 사람 사이의 상호 작용을 에뮬레이션하는 소프트웨어 로봇을 쉽게 빌드, 구현, 및 관리할 수 있도록 해주는 소프트웨어 기술입니다. 소프트웨어 로봇은 사람과 마찬가지로 스크린에 표시된 내용을 이해하고, 적절한 키를 입력하고, 시스템을 탐색하고, 데이터를 식별 및 추출하고, 사전 정의된 다양한 액션을 수행하는 등의 작업을 수행할 수 있습니다. 그러나 소프트웨어 로봇은 일어나서 스트레칭을 하거나 휴식을 취할 필요가 없으며, 사람보다 빠르고 일관적인 방식으로 작업을 수행할 수 있습니다.

 

링크 : https://www.aitimes.com/news/articleView.html?idxno=159220

"RPA가 AI 에이전트 개발의 지름길...결합 추세 가속화" - AI타임스

 

링크 : https://kidd.co.kr/news/236607

AI+OCR 기술 기반의 RPA솔루션, 단순·반복 업무 자동화 가능

 

---

마무리

 여기까지 오늘의 기사 스크랩이었습니다. 오늘은 패킷 분석과 RAP 기술을 기반으로 기업 구내망 환경에서 네트워크 트래픽을 자동으로 진단해 결과 보고서까지 생성해 주는 KT의 'DX 케어'에 대해서 알아보는 시간을 가졌습니다. KT DX 케어에 대한 자세한 정보는 접하기 어려운 관계로 AI를 활용한 네트워크 진단 기술, RPA 기술 그리고 트래픽 진단 기술들을 보면서 다양한 기업 그리고 새롭게 선보이고 개발되고 있는 기술들에 대해서 알아보는 시간을 가졌습니다.