DSPM과 SSE가 어떻게 협력하여 현대 기업의 데이터 위험을 줄이는가

데이터 보안 상태 관리(DSPM)는 중요 데이터가 어디에 저장되어 있고 어떻게 노출되는지 파악하는 한편, Security Service Edge (SSE)는 클라우드, SaaS 및 하이브리드 환경에서 사용자, 애플리케이션 및 디바이스가 해당 데이터와 상호작용하는 방식을 관리하기 위한 제어 프레임워크를 제공합니다.

DSPM은 SaaS 애플리케이션, 클라우드 스토리지 및 하이브리드 데이터 환경 전반에 걸쳐 지속적인 탐지, 분류 및 노출 분석을 제공하는 반면, SSE는 CASB, SWG, ZTNA 및 DLP 제어 기능을 통해 정책을 시행합니다.

DSPM 분석 결과가 SSE 정책 결정에 반영되어, 실제 데이터 민감도와 비즈니스 위험에 맞춰 조정되는 상황 인식형 집행 체계를 구축할 때 비로소 그 구조적 가치가 드러납니다.

현대적인 공격 방식은 합법적인 클라우드 서비스와 유효한 인증 정보를 악용하기 때문에, 분산된 민감 데이터를 보호하는 데 있어 기존의 경계 중심 접근 방식만으로는 부족합니다.

데이터 상태 모니터링과 정책 적용 모두에서 통합된 텔레메트리 데이터를 활용하면 사고 조사에 대한 가시성을 높이고, 보다 정밀한 정책 개선을 지원할 수 있습니다.

GenAI 애플리케이션과 AI 코파일럿은 AI가 접근할 수 있는 데이터 저장소를 파악하고, AI 상호작용 시점에 이를 준수하도록 조치해야 하는 새로운 유형의 데이터 노출 위험을 나타냅니다.

조직은 DSPM 및 SSE 솔루션을 개별적인 포인트 솔루션으로 취급하기보다는, 통합의 깊이, 정책의 일관성, 운영의 간소화에 중점을 두고 함께 평가해야 합니다.

성숙한 데이터 보안 아키텍처는 DSPM의 “어떤 데이터가 위험에 처해 있으며 그 이유는 무엇인가”에 대한 분석 정보와 SSE의 “데이터 상호작용을 어떻게 통제할 것인가”에 대한 강제 조치를 모든 사용자 및 애플리케이션 액세스 경로에 걸쳐 결합합니다.

SSE 아키텍처의 맥락에서 DSPM이란 무엇인가?

DSPM은 SSE 적용 결정을 보다 스마트하고 정밀하게 만들어주는 데이터 인텔리전스 계층의 역할을 합니다.

DSPM 솔루션은 SaaS 애플리케이션, 클라우드 스토리지, 협업 플랫폼 및 하이브리드 저장소 전반에 걸쳐 민감한 데이터를 식별한 다음, SSE 제어 기능이 위험 수준에 맞는 정책 결정을 내리는 데 필요한 맥락 정보를 제공합니다.

Skyhigh Security SSE 플랫폼은 사용자의 위치에 관계없이 웹 리소스, 클라우드 서비스, SaaS 애플리케이션, 사내 애플리케이션, 이메일 및 AI 워크플로우에 대한 액세스를 보호합니다. DSPM의 맥락에서 이는 중요한데, 통합된 정책 프레임워크를 통해 SWG, CASB, ZTNA, RBI 및 DLP를 활용한 인라인 적용에 정보를 제공할 수 있을 때 데이터 위험 분석 결과가 더욱 가치 있게 되기 때문입니다. Skyhigh는 2025년 가트너( Magic Quadrant ) Security Service Edge Magic Quadrant Security Service Edge Magic Quadrant ‘니치 플레이어(Niche Player)’로 선정되었으며 Security Service Edge 2025년 가트너 Critical Capabilities 평가에서 데이터 보안 사용 사례 부문에서 최고 점수를 받았습니다.

데이터 맥락이 없는 상태에서, SSE 제어 기능은 대개 사용자 신원, 기기 상태, 애플리케이션 평판 또는 콘텐츠 검사만을 근거로 적용 여부를 결정하는 경우가 많으며, 각 트랜잭션에서 실제로 어떤 데이터가 위험에 처해 있는지에 대한 핵심적인 질문을 간과하게 됩니다.

DSPM은 민감한 데이터가 어디에 저장되어 있는지, 누가 접근할 수 있는지, 어떻게 공유되는지, 그리고 어떤 노출 사례가 가장 큰 비즈니스 위험을 초래하는지 지속적으로 파악함으로써 이러한 공백을 메워줍니다.

이들 요소가 결합되어, 데이터 위험 분석 결과를 바탕으로 웹, 클라우드, SaaS 및 사내 애플리케이션 접근 경로 전반에 걸쳐 집행 조치가 직접적으로 이루어지는 폐쇄형 루프를 형성합니다.

왜 기존의 데이터 보안 접근 방식은 현대의 위험 요소를 간과하는가

많은 기존 데이터 보호 전략은 오늘날처럼 클라우드와 SaaS가 주를 이루는 환경보다 네트워크 경계가 더 명확한, 보다 중앙 집중화된 환경을 기반으로 구축되었습니다.

버라이즌의 ‘2026년 데이터 유출 조사 보고서’에서 분석된 유출 사건의 62%에서 인적 요인이 확인되었으며, 이는 신원, 접근 및 데이터 맥락에 대한 통제 수단이 서로 유기적으로 연계되어야 하는 이유를 다시 한번 뒷받침해 줍니다.

이러한 공격은 네트워크 경계를 넘어 침투하는 악성코드보다는 유효한 인증 정보와 합법적인 클라우드 서비스에 점점 더 의존하고 있다.

공격자가 도용한 인증 정보를 사용하여 제재 대상인 SaaS 애플리케이션에 접속하거나 합법적인 클라우드 스토리지 서비스에 데이터를 업로드할 때, 기존의 경계 기반 통제 시스템은 이를 정상적이고 승인된 활동으로 인식합니다.

기존 접근 방식으로는 파악하기 어려운 현대적인 데이터 유출 패턴에는, 민감한 데이터가 수십 개의 클라우드 서비스에 흩어져 있는 SaaS 애플리케이션의 무분별한 확산, 공개 링크 및 외부 공유를 통한 협업 시 과도한 정보 공유, IT 부서의 감독을 우회하는 섀도우 데이터 워크플로우, 관리되지 않는 기기를 통한 비즈니스 애플리케이션 접근, 여러 저장소를 연결하는 AI 지원 데이터 처리, 그리고 비공개 데이터를 공개적으로 접근 가능하게 만드는 클라우드 설정 오류 등이 포함됩니다.

MITRE ATT&CK는 공격자가 유효한 클라우드 계정을 악용하고 합법적인 웹 서비스를 통해 데이터를 유출하는 방법을 기록하고 있으며, 특히 공격자가 앱 간 연결을 이용해 민감한 데이터에 접근하는 ‘클라우드 애플리케이션 통합(Cloud Application Integration)’과 같은 기법을 강조하고 있습니다.

이러한 공격 패턴은 정상적인 비즈니스 활동 속에 위장될 수 있어, 신원, 데이터 및 애플리케이션에 대한 보다 풍부한 맥락 정보가 없다면 네트워크 중심의 보안 도구로는 이를 식별하기가 더 어려워집니다.

어떤 데이터가 민감한지, 어디에 저장되어 있는지, 그리고 어떻게 노출되는지 파악하지 못한다면, 보안 통제 수단만으로는 현대의 하이브리드 업무 환경에 적합한 위험 관리 결정을 내릴 수 없습니다.

DSPM이 민감한 데이터를 식별하고 숨겨진 위험을 드러내는 방법

DSPM 플랫폼은 API를 통해 SaaS 애플리케이션에 연결하고, 클라우드 스토리지 저장소를 스캔하며, 협업 플랫폼을 분석하고, 하이브리드 환경 전반의 데이터 흐름을 파악함으로써 민감한 데이터를 탐지하고 분류합니다.

이 발견은 단순한 패턴 일치에 그치지 않고, 데이터 소유권, 규제 요건 및 노출 위험에 대한 비즈니스적 맥락을 제공합니다.

이 분류 프로세스는 개인 식별 정보, 재무 기록, 의료 데이터, 지적 재산권 및 기타 비즈니스에 필수적인 정보가 어디에 저장되어 있든 이를 식별합니다.

최신 DSPM 솔루션은 콘텐츠 검사와 소유권, 저장소 유형, 노출 상태와 같은 비즈니스 맥락을 결합하여 분류 정확도를 높이는 것을 목표로 합니다.

노출 분석 결과, 과도한 권한 부여로 인한 공유, 만료 기한이 없는 공개 링크, 외부 협력자의 접근, 접근 권한이 유지되는 휴면 계정, 잘못 구성된 클라우드 스토리지 버킷, 그리고 위험한 타사 애플리케이션 연동 등을 통해 데이터가 원래 대상 범위를 넘어 어떻게 노출되는지 밝혀졌습니다.

DSPM 플랫폼은 이러한 노출 상황을 분석하여, 보안 팀이 어떤 데이터가 무단 접근이나 유출 위험이 가장 높은지 파악할 수 있도록 합니다.

위험 우선순위 지정은 조직이 가장 큰 효과를 거둘 수 있는 분야에 시정 조치를 집중할 수 있도록 돕습니다.

DSPM 솔루션은 민감한 파일 목록을 끝없이 나열하기보다는, 데이터의 민감도, 노출 범위, 비즈니스 중요도, 규제 요건, 그리고 권한이 없는 당사자에 의한 접근 가능성을 바탕으로 발견된 항목을 우선순위화합니다.

실제로 조직에서는 종종 우선순위 지정이 필요한데, 이는 탐색 프로그램을 통해 팀이 한 번에 해결할 수 있는 양보다 더 많은 민감한 데이터 노출 사례가 발견될 수 있기 때문이다.

상황 정보를 풍부하게 담은 보고서를 통해 보안 팀은 민감한 데이터가 어디에 존재하는지는 물론, 데이터 노출 및 우선순위 결정에 영향을 미치는 비즈니스 및 접근 맥락까지 파악할 수 있습니다.

SSE가 집행 및 통제를 통해 DSPM을 보완하는 부분

SSE는 DSPM의 분석 결과를 모든 액세스 경로에서 실질적인 데이터 보호 조치로 전환할 수 있는 실행 인프라를 제공합니다.

NIST 제로 트러스트 아키텍처 모델은 여러 제어 지점에서 접근 결정에 대한 지속적인 평가와 정책 집행을 강조하는데, 이는 SSE 구성 요소가 DSPM 분석 결과를 보완하는 방식과 완벽하게 부합합니다.

CASB 제어 기능을 통해 외부 공유를 제한하거나, 다운로드 시 추가 인증을 요구하거나, 승인되지 않은 클라우드 서비스로의 업로드를 차단할 수 있습니다.

API 기반 CASB 모니터링은 또한 승인된 애플리케이션 내의 데이터 이동 및 공유 패턴에 대한 지속적인 가시성을 제공합니다.

SWG는 DSPM 분석 결과와 연동될 경우, 파일 업로드, 다운로드 및 위험하거나 승인되지 않은 웹 사이트에 대한 접근과 관련해 데이터를 더욱 면밀히 고려한 의사결정을 내릴 수 있습니다.

ZTNA 정책은 어떤 사용자가 어떤 조건 하에서 접근 권한을 가져야 하는지를 규정함으로써, 실제 데이터 위험에 맞춰 조정되는 최소 권한 접근 방식을 구현합니다.

DLP는 이메일, 웹, 클라우드 및 엔드포인트 채널 전반에 걸쳐 콘텐츠 기반 정책을 적용합니다.

DSPM 분류 태그와 위험 점수는 DLP 정책이 데이터 공유 활동에 대해 차단, 격리, 암호화 또는 업무상 정당성 확인을 요구할 시점을 보다 정확하게 결정하는 데 도움을 줍니다.

이 도구들은 독립적인 보안 도구로 작동하는 대신, DSPM이 데이터 상태와 위험을 지속적으로 평가한 결과를 바탕으로 통합된 적용 프레임워크로서 기능합니다.

민감한 SaaS 및 AI 데이터 보호

민감한 SaaS 및 AI 데이터 보호: SaaS 및 AI 애플리케이션 전반에 걸친 민감한 데이터 노출은 통합형 DSPM 및 SSE의 핵심 사용 사례입니다.

OWASP의 ‘2025년 대규모 언어 모델 애플리케이션을 위한 톱 10’ 보고서에서는 훈련 데이터, 추론 워크플로우, 생성된 응답 등을 통한 노출을 포함해 민감한 정보 유출을 주요 AI 보안 위험으로 지목하고 있습니다. DSPM은 노출된 민감한 데이터를 지속적으로 탐지하고 AI 애플리케이션이 접근할 수 있는 저장소를 식별하는 한편, SSE는 SaaS 및 AI 환경 전반에 걸쳐 사용자 상호작용, 데이터 업로드, AI 쿼리 접근을 관리하는 상황 인식형 제어 기능을 적용합니다.

규정 준수 및 거버넌스 강화: 조직이 포괄적인 데이터 탐색과 일관된 정책 적용을 모두 입증할 수 있을 때 규정 준수 노력이 강화됩니다. 이러한 두 가지 요소의 결합은 민감한 데이터가 어디에 저장되어 있는지 파악하고, 보호 조치가 마련되어 있음을 입증하는 등 두 가지 일반적인 규정 준수 목표를 달성하는 데 도움이 됩니다.

SSE와 연계된 가시성 및 집행 기능을 통해 조직은 분산된 환경 전반에 걸쳐 데이터 탐색, 보호 통제 조치 및 규제 준수 준비 상태를 입증할 수 있습니다.

보안 도구 분산 문제 해소: 통합된 DSPM 및 SSE 아키텍처는 데이터 탐색, 분류, 액세스 거버넌스 및 적용을 단일 보안 프레임워크 내에서 중앙 집중화함으로써 정책 분산 문제를 해소합니다. 조직은 정책이 일관되지 않고 가시성 격차가 있는 서로 연결되지 않은 개별 도구에 의존하는 대신, SaaS 애플리케이션, 클라우드 서비스, 협업 플랫폼, AI 워크플로우 및 분산된 데이터 저장소 전반에 걸쳐 표준화된 제어 조치를 적용할 수 있습니다.

이러한 통합적 접근 방식은 운영의 일관성을 높이고, 정책 관리를 간소화하며, 규정 준수 준수를 강화함으로써, 보안 팀이 복잡한 하이브리드 환경 전반에 걸쳐 끊임없이 변화하는 데이터 유출 및 내부자 위험 시나리오에 보다 효과적으로 대응할 수 있도록 지원합니다.

SSE를 지원하는 DSPM 전략에서 고려해야 할 사항

조직은 SaaS 애플리케이션, 퍼블릭 클라우드 스토리지, 협업 플랫폼 및 하이브리드 데이터 저장소 전반에 걸쳐 민감한 데이터를 탐지하고 중앙 집중식 가시성을 제공할 수 있는 DSPM 솔루션을 찾아야 합니다.

이러한 가시성은 환경 간에 데이터가 어떻게 흐르는지, 그리고 어떤 통합이 노출 위험을 초래하는지까지 파악하는 데까지 확대되어야 합니다.

SSE 플랫폼은 웹 트래픽에 대한 인라인 적용, SaaS 애플리케이션에 대한 API 기반 적용, 사내 애플리케이션에 대한 접근 제어, 그리고 모든 채널을 가로지르는 데이터 이동에 대한 콘텐츠 검사를 제공해야 합니다.

보다 광범위한 보안 아키텍처와 통합하면, 여러 개의 독립적인 보안 도구를 관리할 때 발생하는 운영상의 복잡성을 줄일 수 있습니다.

조직은 철저한 적용 범위와 관리 가능한 운영상의 복잡성 사이에서 균형을 맞춰야 한다.

참조 아키텍처

성숙한 데이터 보안 아키텍처는 ‘탐지를 통해 정책이 수립되고, 정책 적용을 통해 텔레메트리 데이터가 생성되며, 분석 결과를 바탕으로 정책이 개선되는’ 지속적인 순환 구조로 운영됩니다.

DSPM은 환경을 지속적으로 스캔하여 새로운 민감 데이터를 식별하고, 정보의 유형과 비즈니스 중요도에 따라 분류하며, 권한 및 공유 현황을 통해 노출 현황을 파악하고, 발생 가능성과 영향도를 바탕으로 위험의 우선순위를 정함으로써 기반을 마련합니다.

정책 오케스트레이션은 DSPM 분석 결과를 SSE 적용 규칙으로 변환하여, 이를 CASB, SWG, ZTNA 및 DLP 구성 요소 전반에 배포합니다.

DSPM이 새로운 민감 데이터 저장소를 발견하거나 노출 위험의 변화를 파악할 때마다 이러한 정책을 업데이트해야 하며, 지원되는 경우 자동화 절차를 적용해야 합니다.

탐지 및 집행 단계에서 수집된 원격 측정 데이터와 분석 결과는 보안 운영 센터와 규정 준수 보고 시스템으로 전달됩니다.

이러한 통합된 가시성을 통해 보안 팀은 어떤 민감한 데이터가 존재하는지, 그리고 해당 데이터에 어떻게 접근되고 있는지를 파악하고, 데이터 노출 및 사용 패턴의 추세를 식별하며, 보호 조치의 효과를 측정하고, 규정 준수 감사를 위해 데이터 보호에 대한 증거를 제시할 수 있습니다.

정정 워크플로는 SSE 적용 데이터를 활용하여 고위험 데이터 처리 행위를 식별하고, 과도하게 노출된 저장소에 대한 접근 제어 변경을 지원하며, 규정 준수 팀에 보다 확실한 데이터 처리 증거를 제공할 수 있습니다.

공급업체 평가

아키텍처 적합성은 핵심 평가 기준이 되어야 합니다. 통합 품질에 따라 솔루션들이 원활하게 연동될지, 아니면 추가적인 맞춤 설정이 필요할지가 결정되기 때문입니다.

데이터 탐색 기능의 폭은 다양한 환경에 걸쳐 데이터 가시성이 얼마나 완벽하게 확보될지를 결정합니다.

조직은 SSE 플랫폼이 통합 아키텍처 내에서 데이터 탐색 및 적용 요구 사항을 연결할 수 있는지 평가해야 합니다. Skyhigh Security 데이터 보호, 클라우드 액세스 보안, 웹 보안, private access, 브라우저 격리, DSPM에 부합하는 가시성을 단일 SSE 전략에 통합함으로써 이러한 플랫폼 접근 방식을 Skyhigh Security .

IBM의 ‘2026년 데이터 유출 비용 보고서’에 따르면, 전 세계 데이터 유출 사고의 평균 비용은 444만 달러로 집계되었으며, 이에 따라 통합 데이터 보안 역량을 철저히 평가하는 것이 기업의 필수 과제가 되었다.