AI-powered analysis and support solutions
나만의 정보보호 자문 개인비서 , eyeCloudAI
복잡하고 반복적인 보안 업무는 AI에게 맡기세요.
eyeCloudAI가 정확하고 신속하게 위협을 분석하고 보고서 작성까지 도와드립니다.
사이버 위협 탐지율 및 대응 영역 대폭 향상
위협 분석 업무 시간 단축
수동 분석 시 최소 10분 이상 소요되던 분석 시간이 인공지능에 의해 초단위로 처리됩니다.


보안 위협 대응 영역 확대
사람 대신 인공지능이 이상행위 탐지와 오탐 분류를 빠르게 처리하여 보안 위협 대응률이 크게 향상됩니다.


사이버보안에 특화된 대화형 AI 어시스턴트
국내 보안 전문 지식을 학습한 LLM 기반의 대화형 어시스턴트 ‘eyeCloudAI Assistant’


국내 최대규모 보안관제 현장에서 검증된 높은 정확도 및 효율성
99.8%의 탐지율 및 정확도
보안 관제 현장에서 10년 이상 축적된 공격 데이터와 당사 화이트 해커팀에 의한 여러 신종 공격 데이터로 반복, 강화학습한 인공지능 모델을 적용하여 높은 탐지율과 정확도를 자랑합니다.


※ 당사 고객인 행정기관A 도입사례에서의 검증 결과입니다.
15배의 추가 서버 도입 효과
인공지능 모델의 가상화 및 병렬 분산처리 기술로 15개의 가상화 POD에서 동시 가동하여 1대 도입으로 15대의 H/W를 도입하는 효과를 발휘합니다.


AutoML로 모델링 편의성 극대화


더욱 간편하고 정확한 AutoML 모델링
AutoML 적용으로 인공지능 모델링 절차가 기존 9단계에서 3단계로 단순화되었으며, 모델링 시에 인공지능이 최적의 모델 (가장 빠르고 정확한 모델)을 추천해 주므로 목적에 맞는 모델 선택이 용이합니다.
또한, 클릭 조작만으로 정확도가 높은 하이퍼파라미터를 자동으로 추천해 주는 하이퍼파라미터 최적화가 적용되어 사용자의 경험치 편차에 구애 받지 않고 고정확도의 모델 생성이 가능합니다.
XAI 를 통한 오류 해결 편의성 향상
인공지능 모델 결과값 확인 시, XAI (eXplainable AI)를 통해 해당 결과값에 대한 근거를 확인할 수 있으므로 오류 해결이 수월해지고 더욱 견고한 모델링이 가능합니다.
* XAI (eXplainable AI) : 기존 AI의 고질적인 문제였던 ‘판단 결과의 근거 제시 불가’ 문제를 보완한 기술로, 모델 결과값 도출의 근거 및 이유를 제시해 주는 기술입니다.
효율적인 보안 운영 지원


나를 가장 잘 이해하는 정보보호 자문 개인 비서
eyeCloudAI Assistant는 보안 전문 지식을 학습한 LLM 기반의 대화형 어시스턴트로, 데이터 유출 걱정 없는 안전한 온프레미스 환경에서 운영됩니다. (폐쇄망 환경에서도 운영)
특히 보안관제 업무에 특화된 전문 AI 어시스턴트 업무(페이로드 분석, 특정 지식 설명 등)를 지원합니다.
또한, 특정 기업의 환경과 업무 특성을 반영한 맞춤형 학습을 통해 조직에 최적화된 답변을 제공합니다.
eyeCloudXOAR 플레이북과 연계 및 분석 결과 자동화 처리
데이터 피드백, 모델 추가(지속)학습 등의 기능을 eyeCloudXOAR에서 수행합니다.
또한, Playbook과 연동하여 AI 분석 결과를 기반으로 자동으로 처리 하며 수행합니다.


주요 기능
지속 가능 모델을 위한 라이프사이클 관리 기능
머신러닝 기반으로 이상행위 탐지 및 정오탐 분석 모델을 생성하여 실시간 위험 분석 및 탐지 수행


모니터링- 사용자가 기간 설정을 통해 누적된 로그 결과 확인 가능(정•오탐비율 실시간 모니터링)
모니터링 된 결과는 실시탐지 재학습 시점을 파악하고 최적의 보안환경 제공




모니터링- 탐지된 프로세스의 상세 이력과정 확인이 가능
모니터링 화면 내에서 탐지모델 정보, 학습 이력 조회가 용이, 각 탐지된 프로세스의 상세 이력과정 확인 가능


피드백 및 강화학습을 통해 오탐된 기능들에 대한 보정 기능 제공
탐지 모델 별 로그 조회, 필터링, 검색 등이 가능


LLM 모델기반 사이버 보안에 특화된 AI Assistant
페이로드 분석 및 고객 맞춤형 지식 설명 등 대응 가이드를 제공


eyeCloudXOAR과 연계하여 AI 모델의 탐지 로그 조회 및 모델 학습 상태 확인
사용자 피드백을 통해 강화 학습을 수행하여 탐지 정확도 향상




