피넛에이아이

Security&Solution

피넛에이아이 IoT 보안 솔루션은 국내 유일 “러스트 언어”로 개발된 화이트리스트 기반, 접근 제어 및 차단 솔루션입니다.

당사 IoT 보안 솔루션은 프로세스, 디렉토리, 네트워크, 계정 수준에서 접근을 통제하며, IoT 기기에 직접 설치합니다.

AI 기술을 접목하여 기기를 분석, 제품에 맞는 보안 소프트웨어를 10분 이내에 컴파일합니다.
정책을 반영하여 제조사 및 고객사가 요청한 소프트웨어 등은 기기에 바로 설치가 가능합니다.

- ModOn-A
  
  (개발완료)바이너리 분석용 AI 엔진
- ModOn-M
  
  (개발완료)군 시설(차량, 통신, 함정, 시스템 등) 보안(ModOn-I, ModOn-N, 및 안티포렌식 연계)
- ModOn-D
  
  (개발완료)드론 보안(로그 및 영상 안티포렌식 및 ModOn-I 연계)
- ModOn-I
  
  (개발완료)IoT 보안
- ModOn-N
  
  (개발완료)네트워크 이상탐지
- ModOn-O
  
  (개발완료)ModOn-I 및 ModOn-N 연계 OT 전용 보안 솔루션(PLC, HMI, 센서 등 포함)
- ModOn-V
  
  (개발완료)취약점 분석 솔루션
- ModOn-C
  
  (개발 중/2025년 3분기)IP/DNS 등 공격에서 활용되는 IoC(Indicator of Compromise) 평판조회
- ModOn-E
  
  (개발 중/2025년 4분기)시설 및 인프라 위협 평가 분석 (위협 및 완화 조치 점수화 평가 플랫폼)
- ModOn-T
  
  (개발 중/2025년 4분기)차량 보안(ModOn-I 연계)
ModOn-I
- IoT/IIoT 기기 이상탐지 및 악성 프로세스 차단
- 감염된 IoT 및 산업용 IoT 장비 내 생성되는 프로세스를 탐지/수집, 기기 내부에서 발생되는 악성행위를 누락없이 정확하게 실시간으로 분석
- CCTV/NVR/DVR/KIOSK, Digital Signage, PoS 지원
- 윈도우, 리눅스(각종 CPU 아키텍처 및 OS 지원)
- 서버 없이 독립 설치 실행 가능
- 악성코드/프로세스 이상 탐지 및 차단 : 정상 프로세스 리스트와 대조를 수행하여 이상 프로세스 탐지
- 파일/디렉토리 이상 탐지 및 차단 : 사용자가 설정한 경로에서 파일 또는 디렉토리에 생성/수정/삭제 행위의 변화 탐지
- 기기 성능 저하 없이 실시간 작동
- 외부에서 시스템 접근 실시간 모니터링
- 기기 운영상 필요한 시스템 명령어 외 차단
- 시스템 관리자 계정 정보 포함 사용자 계정 수정/추가 차단
ModOn-N
- 네트워크 이상탐지 (AI 기반, 산업 프로토콜 대응)
- 네트워크 pcap 파일 대상으로 파싱/분석해 공격 자동 탐지
- ELK 기반의 Snort, Suricata 모듈로 탐지 (기본 룰 및 최신 룰로 탐지 중)
- 룰셋을 AI로 자동으로 생성(25년 중 완료)
- PCAP 파일 자체를 ModOn-A(AI 스캐너)에 넣었을 때 공격을 탐지 (25년 중 완료)
- 네트워크 트래픽 및 로그 이상탐지/분석, 실시간 이상 탐지 및 로그 등 통합 관리
- 이상행동 탐지 및 실시간 대응 : 비정상적인 네트워크 트래픽 또는 공격 패턴을 실시간으로 분석하여 탐지
- 산업 네트워크 프로토콜 지원 : 40개 이상의 산업용 네트워크 프로토콜 지원
- 기존 네트워크와의 호환성 : 현재 운영 중인 시스템과 네트워크에 영향을 주지 않고 통합 가능
- 네트워크 트래픽 기록 관리 : 과거 네트워크 트래픽을 저장 및 분석하여 추후 보안 사고를 조사하거나 예방, 정책 설계에 활용
- 알림 및 경고 시스템
- 데이터 시각화 : Elastic Search와 같은 플랫폼과의 통합을 통해 네트워크 트래픽 및 보안 상태를 시각적으로 표현.
- 활용 사례
  - 스마트 공장 : PLC(Programmable Logic Controller) 및 SCADA 시스템 보호.
  - 에너지 : 발전소, 전력망 등 중요한 인프라의 네트워크 공격 방지.
  - 물류 : 창고 관리 시스템 및 IoT 장치와의 안전한 연결 유지.
ModOn-O
- 감염된 IoT 및 산업용 IoT 장비 내 생성되는 프로세스를 탐지/수집, 기기 내부에서 발생되는 악성행위를 누락없이 정확하게 실시간으로 분석
- PLC/HMI/센서 등 산업용 시스템 이상탐지
- 업무망에서 제어망까지 취약점 진단 및 모의해킹
- OT/SCADA 필드 장비들(DCS, PLC, HMI, ECDIS, AIS, 위성장비 등)의 취약점 분석(1-Day, 0-Day)
- 산업용 네트워크 프로토콜 취약점 분석(커스텀 프로토콜, OPC-UA, S7-CommPlus, Melsec 등)
- 무선(Wi-fi, GPS, Analog RF, LF, HF, NFC 등) 신호 취약점 테스트
- 망분리를 포함한 네트워크 아키텍처 분석
- 물리적 해킹 (도어락, CCTV, 울타리, 센서, RFID, 보안 카드 등)
ModOn-V
- 취약점 분석 솔루션
- Vuln Data Crawling
  - 취약한 pseudo code 크롤링
  - 대시보드를 통해 크롤링한 코드가 정확하게 취약점 판별이 된 것인지 검토
- Training (vuln data + LLM)
  - 크롤링한 취약한 pseudo code로 AI 학습
- Binary Analysis System 연동
  - ModOn-V는 Binary Analysis System과 연동
  - Binary Analysis System의 디핑 기능을 통해 pseudo code로 함수 추출
- 취약점 유무 판단
  - 인자가 1개 일 때 → 대상 바이너리 전체에서 함수 추출 → 어셈 → pseudo
  - 인자가 2개 일 때 → 두 바이너리를 디핑한 결과에서 함수 추출 → 어셈 → pseudo
- 결과 리포팅
  - Binary Analysis System의 웹 페이지에서 취약한 부분에 빨간색 표시
기능
- 바이너리 대상 취약점 스캐닝 (LLM 기반)
  - 수집된 바이너리에 대해 대규모 언어 모델(LLM)을 기반으로 취약점을 스캔
- 취약점 데이터 크롤링 (Vuln Data Crawling)
  - 취약한 의사 코드(pseudo code)를 크롤링하여 데이터를 수집
- 데이터 검토 및 학습
  - 대시보드를 통해 크롤링한 코드가 정확하게 취약점으로 판별되었는지 검토
  - 크롤링된 취약한 의사 코드를 사용하여 AI를 학습. 이 학습 과정에는 수집된 취약점 데이터와 LLM이 활용
- 바이너리 분석 시스템 연동
  - ModOn-V는 ModOn-A의 바이너리 분석 시스템과 연동
  - 함수 추출: 바이너리 분석 시스템의 디핑(diffing) 기능을 통해 의사 코드로 함수를 추출
  - 취약점 유무 판단
- 결과 리포팅
  - 바이너리 분석 시스템의 웹 페이지에서 취약한 부분을 빨간색으로 표시하여 보고
- 모니터링 시스템
  - ModOn-V 모니터링 시스템의 프론트엔드를 통해 바이너리 분석 결과, 바이너리 디핑 결과, 탐지된 취약 함수 목록, 취약점 분류 결과를 확인
- 다른 ModOn 시스템과의 연동
  - 의심스러운 바이너리는 ModOn-A(분석) 시스템으로 전달되어 분석
  - ModOn-I(IoT) 시스템과도 연동
장점 및 차별성
- LLM 기반의 지능형 분석
  - 기존 취약점 스캐너와 달리 LLM을 기반으로 취약점을 스캔하고 AI를 학습시킨다는 점이 큰 차별점. 더욱 정교하고 광범위한 취약점 탐지
- 통합된 바이너리 분석 환경
  - ModOn-A의 바이너리 분석 시스템과 연동되어, 함수 추출, 디핑, 그리고 ModOn-A의 Vuln AI 및 Diffing AI와 같은 기존의 강력한 분석 기능을 활용. 단순한 취약점 스캐닝을 넘어선 포괄적인 분석 환경을 제공
- 의사 코드(Pseudo Code) 중심 분석
  - 바이너리에서 추출된 함수를 어셈블리 코드와 의사 코드로 변환하여 분석한다는 점은, 저수준의 어셈블리 코드보다 사람이 이해하기 쉽고, AI 학습 및 분석에도 효율적일 수 있는 고수준의 추상화를 제공
- 사용자 친화적인 리포팅
  - 취약한 부분을 웹 페이지에 시각적으로(빨간색 표시) 명확하게 보고하는 기능은 사용자가 분석 결과를 쉽게 이해하고 대응
- IoT 특화 가능성
  - ModOn-I(IoT) 시스템과의 연동은 ModOn-V가 IoT 기기의 바이너리 취약점 분석에 특화된 기능을 제공
ModOn-A
기능
- 정적 분석(Static Analysis)
  - 바이너리 분석 시스템(Binary Analysis System): 악성 바이너리에서 함수를 추출
  - 바이너리 디핑 시스템(Binary Diffing System): 두 개의 바이너리를 비교하고 디핑 정보 및 함수 정보를 추출
  - Vuln AI(취약점 유무 판단 AI): 추출된 함수와 훈련 데이터(Google, GitHub, MITRE 등에서 얻은 데이터)를 사용하여 취약점 유무를 판단
  - Diffing AI(디핑 AI): 바이너리 디핑 시스템의 데이터를 처리하여 보고서를 생성
  - 보고서(Reporting): 바이너리 분석 결과, 디핑 결과, 함수 추출 결과, 학습 데이터 통계 등을 포함하는 보고서를 생성
- 동적 분석(샌드박스 분석 환경 - Sandbox Analysis Environment)
  - IoT 가상 에뮬레이터(IoT Virtual Emulator): IoT 가상 에뮬레이션 환경 내에서 악성 바이너리를 실행하며, arm32/arm64, mips/mipsel 등 다양한 시스템 아키텍처 유형을 지원
  - 동적 실행 로그 발생(Behavioral Log Generation): 동적 실행 로그를 생성
  - 메모리 분석(Memory Analysis - Volatility): 실행 환경에 대한 메모리 분석을 수행
  - 로그 및 분석 데이터 수집 DB(Log and Analysis Data Collection DB): 로그 및 분석 데이터를 수집
  - 악성 여부 판단(T/F - Maliciousness Judgment): 해당 바이너리가 악성인지 여부를 판단
- 네트워크 이상 탐지 및 공격 패턴 분석(Network Anomaly Detection and Attack Pattern Analysis)
  - pcap 파일 처리(pcap file processing): 패킷 캡처(pcap) 파일을 처리
  - Suricata/SnortDB 연동(Suricata/SnortDB): 위협 탐지를 위해 Suricata 및 SnortDB와 연동
  - ELK 기반 네트워크 이상 탐지(ELK-based Network Anomaly Detection): ELK(Elasticsearch, Logstash, Kibana)를 활용하여 네트워크 이상을 탐지
  - IP 추출 (IP Extraction): IP 주소를 추출
  - 공격 패턴 탐지 AI(Attack Pattern Detection AI): 공격 패턴을 탐지
  - 공격 패턴 분류(Attack Pattern Classification): 탐지된 공격 패턴을 분류
  - 탐지 시그니처 생성(Detection Signature Generation): 위협 인텔리전스 업데이트를 기반으로 탐지 시그니처를 생성
  - API 호출 및 응답(API Call and Response): 시스템은 악성 여부 판단, IP 추출, 공격 패턴 탐지 등 다양한 단계에서 API 호출 및 응답을 통해 상호 작용
장점 및 차별성
- 포괄적인 분석
  - ModOn-A는 정적, 동적(샌드박스), 네트워크 분석 기능을 결합하여 악성 바이너리와 그 동작에 대한 총체적인 시각을 제공
- AI 기반 인텔리전스
  - 여러 AI 구성 요소(Vuln AI, Diffing AI, 공격 패턴 탐지 AI)의 통합은 자동화된 취약점 평가, 동작 분석 및 공격 분류를 가능하게 하여 더 빠르고 정확한 탐지
- IoT 악성코드 특화
  - arm32/arm64, mips/mipsel 등 다양한 아키텍처를 지원하는 전용 "IoT 가상 에뮬레이터". IoT 장치를 표적으로 하는 악성코드를 분석하는 데 특화된 기능을 제공하며, IoT 위협 환경의 증가를 고려할 때 매우 중요
- 행동적 통찰력
  - 메모리 분석(Volatility) 및 동적 실행 로그 생성을 통해 정적 분석만으로는 얻을 수 없는 악성코드의 런타임 동작에 대한 심층적인 통찰력을 제공
- 네트워크 수준 위협 인텔리전스
  - Suricata/SnortDB와의 연동 및 ELK를 사용한 네트워크 이상 탐지를 통해 ModOn-A는 네트워크 기반 침해 지표를 식별하고 탐지 시그니처를 생성하여 네트워크 보안을 강화
- 자동화된 보고서 및 시그니처 생성
  - 시스템은 상세 보고서 및 탐지 시그니처 생성을 자동화하여 사고 대응 프로세스를 간소화
ModOn-D
기능 및 정의
- - ModOn-D는 "드론이 수집한 데이터를 조작하거나 은폐하여 탐지를 회피하거나 조사를 방해하기 위해 고안된 일련의 기술"을 의미. 일반적으로 드론 활동을 은폐하고 포렌식 분석을 방해하는 데 사용
  - 암호화 대상 데이터 유형: 비디오, 이미지, GPS 정보, 센서 활동과 관련된 로그 데이터를 포함
장점 및 차별성
- 소프트웨어 기반 데이터 암호화(Software-based data encryption)
  - 데이터를 소프트웨어적으로 암호화하여 보호
- 하드웨어 기반 암호화(Hardware-based encryption)
  - 하드웨어 수준에서 데이터를 암호화하여 보안을 강화
- 특정 데이터 유형에 최적화된 암호화(Optimized encryption targeting specific data types)
  - 비디오, 이미지, GPS 정보 등 드론의 특정 데이터 유형에 맞춰 암호화를 최적화
- 최소한의 배터리 소모를 위한 전력 효율적인 설계(Power-efficient design for minimal battery consumption)
  - 드론의 배터리 수명을 고려하여 전력 소모를 최소화하도록 설계
ModOn-C
기능
- 의심 IP 입력
  - 외부로부터 의심스러운 IP 주소를 입력
- 공개 및 취약 서비스 스캔
  - 입력된 의심 IP에 대해 공개적으로 노출된 서비스와 잠재적으로 취약한 서비스를 스캔. 이 과정에서 Shodan 및 Censys와 같은 외부 도구를 활용
- IP 평판 조사
  - 스캔 결과를 바탕으로 해당 IP의 평판을 조사. 이 과정에서는 외부 AI Sparrow와 AbuseIPDB를 활용하여 IP의 악성 여부를 판단
장점 및 차별성
- CTI(사이버 위협 인텔리전스) 전문성
  - ModOn-C는 사이버 위협 인텔리전스(CTI)에 특화된 시스템으로, 악성코드에서 추출된 IoC 중 특히 IP 주소의 평판 조회에 집중
- 다중 소스 활용
  - 평판 조사를 위해 Shodan, Censys, AbuseIPDB와 같은 잘 알려진 외부 공개 서비스 및 위협 인텔리전스 데이터베이스를 통합하여 사용함으로써, 광범위하고 심층적인 IP 관련 정보를 수집하고 분석
- AI 기반 분석
  - AI 구성 요소를 활용하여 IP 평판 조사의 정확성과 효율성을 높임. 단순 데이터베이스 조회뿐만 아니라 AI를 통한 분석
- 자동화된 IoC 평판 조회
  - 악성코드 분석 과정에서 추출된 IP IoC를 자동으로 ModOn-C 시스템에 연동하여 평판을 조회하고 악성 여부를 판별하는 프로세스를 제공. 이는 보안 분석가의 수동 작업을 줄이고 대응 시간을 단축
ModOn-E
기능
- 맞춤형 위협 시나리오 모델링
  - EPRI TAM을 기반으로 새로 개발된 시설 및 인프라의 특성을 반영한 다양한 위협 시나리오를 설정하고 모델링할 수 있는 기능을 제공. 이를 통해 잠재적 위협에 대한 상세한 분석이 가능
- 보안 취약점 및 위협 요인 식별
  - 시스템, 프로세스, 물리적 보안 등 다양한 측면에서 보안 취약점과 위협 요소를 식별하고 데이터베이스화하여 관리
- IP 평판 조사
  - 스캔 결과를 바탕으로 해당 IP의 평판을 조사. 이 과정에서는 외부 AI Sparrow와 AbuseIPDB를 활용하여 IP의 악성 여부를 판단
- 자동화된 위협 점수 산정
  - 자체 개발한 보안 점수 수식을 활용하여 각 위협 시나리오와 식별된 취약점에 대한 위협 점수를 자동으로 산정. 객관적이고 일관된 평가를 가능
- 위협 완화 조치 제안 및 효과 분석
  - 도출된 위협 점수를 기반으로 가장 효과적인 완화 조치를 제안하고, 해당 조치 적용 시 예상되는 위협 점수 감소 효과를 시뮬레이션
- 대시보드 및 보고서
  - 직관적인 대시보드를 통해 현재 보안 상태, 주요 위협 요인, 완화 조치 진행 상황 등을 한눈에 파악할 수 있도록 시각화된 정보를 제공. 또한, 정기 또는 비정기적으로 상세 보고서를 생성
- 보안 점수 추적 및 트렌드 분석
  - 시간 경과에 따른 보안 점수 변화를 추적하고 트렌드를 분석하여 보안 수준의 향상 또는 저하를 파악
- 협업 및 워크플로우 관리
  - 위협 평가 및 완화 조치 실행 과정에서 여러 부서 또는 담당자 간의 원활한 협업을 지원하는 워크플로우 관리 기능을 제공
장점 및 차별성
- 객관적이고 정량적인 위협 평가
  - EPRI TAM의 체계적인 방법론과 자체 개발한 보안 점수 수식을 통해 주관적인 판단을 배제하고 객관적이고 정량적인 위협 평가
- 예측 기반의 선제적 보안 강화
  - 위협 시나리오 모델링 및 완화 조치 효과 분석을 통해 잠재적 위협에 대한 선제적인 대응이 가능
- 효율적인 보안 투자
  - 어떤 위협에 우선적으로 대응해야 하는지, 어떤 완화 조치에 투자해야 가장 효과적인지 명확한 지표를 제공하여 제한된 자원으로 최대의 보안 효과
- 지속적인 보안 수준 향상
  - 보안 점수 추적 및 트렌드 분석 기능을 통해 지속적인 보안 수준 관리가 가능하며, 이는 보안 거버넌스 강화에도 기여
- 손쉬운 규제 준수 및 감사
  - 정량화된 평가 데이터와 보고서 기능을 통해 국내외 보안 규제 준수 여부를 쉽게 입증하고, 감사 대응을 효율적으로 수행
- EPRI TAM 기반의 전문성 및 신뢰성
  - 미국의 전력 산업에서 검증된 EPRI TAM을 기반으로 한다는 점은 특히 국가 주요 기반 시설 및 대규모 인프라에 대한 위협 평가에 있어 높은 전문성과 신뢰성을 제공. 일반적인 정보보안 위협 평가 솔루션과는 차별화
- 시설 및 인프라 특화된 맞춤형 평가
  - EPRI TAM은 시설 및 인프라의 물리적, 운영적 특성을 고려한 위협 평가에 최적화. 따라서 단순히 IT 시스템의 취약점 분석을 넘어, 실제 시설 운영 환경에 특화된 위협 시나리오 및 완화 조치 제안이 가능하여 더욱 현실적이고 효과적인 보안 강화 방안을 제시
- 한국형 보안 환경에 최적화된 점수 수식
  - 자체 개발한 보안 점수 수식은 한국의 법규, 산업 특성, 위협 환경 등을 반영하여 개발됨으로써, 해외 솔루션이 놓칠 수 있는 국내 특유의 위협 요인과 완화 조치를 효과적으로 평가하고 반영

IoT & IIoT 보안의 중요성
IoT 보안의 중요성
- 01 데이터 보호
  - 개인정보 : IoT 장치는 종종 사용자의 민감한 정보를 처리(예: 스마트 홈 장치, 헬스케어 웨어러블) 이 데이터가 유출되면 사생활 침해 및 금전적 피해가 발생
  - 산업 데이터 : IoT 장치가 수집하는 공정, 운영 및 비즈니스 데이터는 경쟁령을 유지하기 위해 보호가 필요
- 02 확대된 공격 접점 IoT 장치는 네트워크에 연결되어 있기 때문에, 공격자는 이를 해킹하여 추가 공격 가능
  - 네트워크 침입 : IoT 장치를 악용하여 다른 네트워크로의 접근 가능
  - 분산 서비스 거부 공격(DDoS) : 해킹된 IoT 장치를 봇넷으로 활용해 대규모 DDoS 공격 실행 가능
IIoT 보안의 중요성
- 01 운영 기술(OT) 환경 보호
  - 생산 중단 방지 : IIoT는 산업 설비와 생산 공정의 핵심 부분을 연결. 해킹이나 악성코드로 인해 시스템이 중단되면 심각한 생산 손실이 발생
  - 물리적 피해 방지 : OT 시스템은 물리적 장비를 제어함으로 보안 위협이 현실 세계의 장비 손상이나 인명 사고로 이어질 가능성
- 02 데이터 보안
  - 운영 데이터 보호 : IIoT는 공정 데이터를 실시간으로 수집하고 분석. 이 데이터가 유출되면 경쟁사에게 민감한 정보가 노출될 수 있음
  - 서비스 거부 공격(Dos) : 해킹된 IIoT 장치를 활용해 Dos 공격 실행하여 산업시설 마비를 유도
Industrial IoT
IoT (CCTV/Wallpad/NAS, Signage,etc.) vs IIoT 기술력
- 01 실시간 이상 탐지
  - IoT 환경에서 발생할 수 있는 이상 행동을 실시간으로 탐지. 머신러닝 및 데이터 분석 기술을 활용하여 비정상적인 패턴이나 동작을 신속히 식별
- 02 지능형 분석 기술
  - 다양한 IoT 데이터 소스를 통합하여 효율적으로 분석하며, 정상과 비정상 패턴을 구분. 최신의 AI 및 ML 알고리즘을 적용하여 높은 정확도를 보장
- 03 고급 보안 프로토콜
  - IoT 장치와 네트워크를 보호하기 위한 암호화 기술과 다단계 인증 체계를 포함하여 보안성을 강화
- 04 확장성과 적응성
  - 다양한 IoT 장치 및 플랫폼과 쉽게 통합, 다양한 산업군에 맞게 조정될 수 있는 유연성
산업용 네트워크 이상탐지
주요 기능
- 이상행동 탐지 및 실시간 대응
  - 비정상적인 네트워크 트래픽 또는 공격 패턴을 실시간으로 분석하여 탐지
  - 잠재적인 위협을 사전에 경고하여 시스템 손상을 방지
- 산업 네트워크 프로토콜 지원
  - ModbusTCP, S7comm, Profinet, OPC-UA 등 30개 이상의 산업용 네트워크 프로토콜 지원
  - 각 프로토콜의 특성과 동작 패턴을 기반으로 이상 탐지 정확도 향상
- 기존 네트워크와의 호환성
  - 현재 운영 중인 시스템과 네트워크에 영향을 주지 않고 통합 가능
  - 무중단 방식으로 데이터 수집 및 분석 수행
- 네트워크 트래픽 기록 관리
  - 과거 네트워크 트래픽을 저장 및 분석하여 추후 보안 사고를 조사하거나 예방 정책 설계에 사용
- 알림 및 경고 시스템
  - 이메일, 메신저 등을 통해 실시간으로 보안 이벤트를 알림
  - 관리자에게 적시에 정보를 전달하여 신속한 조치를 가능하게 함
- 데이터 시각화
  - Elastic Search와 같은 플랫폼과의 통합을 통해 네트워크 트래픽 및 보안 상태를 시각적으로 표현
  - 그래프, 차트, 대시보드를 제공하여 직관적인 상태 파악 가능
적용 이점
- 실시간 보안 강화
  - 잠재적인 위협을 조기에 탐지하여 시스템의 가용성과 안정성을 보장
- 운영 효율성 향상
  - 자동화된 탐지 및 알림 기능으로 보안 관리 비용 절감
- 위험 최소화
  - 산업 프로세스 중단이나 데이터 손실을 방지하고, 복구 비용을 절감
- 법규 및 규제 준수
  - 산업 환경에서 요구하는 보안 규제 및 표준을 준수
활용 사례
- 스마트 공장 : PLC(Programmable Logic Controller) 및 SCADA 시스템 보호
- 에너지 : 발전소, 전력망 등 중요한 인프라의 네트워크 공격 방지
- 교통 : 철도, 공항 등의 운영 네트워크 보호
- 물류 : 창고 관리 시스템 및 IoT 장치와의 안전한 연결 유지
산업시설 컨설팅(스마트 팩토리, 선박, 건설사 등)
- 업무망에서 제어망까지 취약점 진단 및 모의 해킹
- OT/SCADA 필드 장비들 (DCS, PLC, HMI, ECDIS, AIS, 위성장비 등)의 취약점 분석(1-Day, 0-Day)
- 산업용 네트워크 프로토콜 취약점 분석(커스텀 프로토콜, OPC-UA, S7-CommPlus, Melsec 등)
- 무선(Wi-fi, GPS, Analog RF, LF, HF, NFC 등) 신호 취약점 테스트
- 망분리를 포함한 네트워크 아키텍처 분석
- 물리적 해킹 (도어락, CCTV, 울타리, 센서, RFID, 보안 카드 등)
산업용 허니넷
- 허니넷으로 사이버 공격 유도
- PLC와 HMI등 실제 산업용 장비를 사용하여 물리적 허니넷 구축
- 허니넷으로 사이버 공격을 유도할 수 있도록 실제 환경과 같은 망분리와 취약점 설정 후 구축
- 모니터링 된 공격패턴에서 시그니처를 추출하여 Yara 룰셋 또는 IoC 데이터로 제공
- 30개 이상의 산업용 네트워크 프로토콜 지원 : s7comm, s7comm+, OPCUA, OPCDA, BACnet, ModbusTCP, Melsec, Profinet, DNP3, CIP, CC-Link 등
- IoT 펌웨어 가상화 및 실기기 사용
주요 기능
- 허니넷 구축
  - 실제 산업 환경을 모방하여 물리적 또는 가상 허니넷 생성
  - PLC, HMI, SCADA 등 산업 제어 시스템 구성 요소와 유사한 네트워크 환경 구축
  - 공격자가 실제 시스템으로 오인하도록 취약점과 약점을 포함한 환경 제공
- 공격 유도
  - 의도적으로 설정된 취약점을 통해 공격자를 허니넷으로 유도
  - 실제 운영 네트워크와 분리된 안전한 공간에서 공격 발생
- 공격 탐지 및 모니터링
  - 허니넷에 발생한 공격을 실시간 모니터링
  - 공격 경로, 패턴, 기술 등을 추적하여 분석
- 공격 패턴 및 악성 시그니처 추출
  - 네트워크 트래픽, 악성 코드, 공격 행위 데이터를 수집하여 분석
  - 새로운 공격 기법과 시그니처를 도출하여 위협 인텔리전스 분석
- 보안 정책 강화
  - 허니넷에서 추출된 데이터를 기반으로 실제 시스템에 맞춤형 보안 설정 적용
  - 방화벽, 침입 방지 시스템(IPS), 네트워크 접근 제어(NAC) 등의 정책 업데이트
- 보고 및 시각화
  - 공격 로그와 분석 결과를 대시보드로 제공
  - 관리자에게 실시간 경고 및 상세 보고서를 통해 보안 가시성 제공
도입 시점
- 공격에 대한 선제적 대응
  - 새로운 사이버 위협과 공격 기법에 대한 정보를 사전에 파악
  - 공격 패턴을 바탕으로 빠른 대응 및 보안 설정 강화
- 운영 환경 보호
  - 실제 운영 네트워크와 분리된 허니넷을 통해 시스템 보호
  - 공격자가 실제 네트워크에 접근하기 전에 차단 및 분석 가능
- 비용 효율성
  - 기존 인프라를 활용하여 물리적 허니넷 구축 가능
  - 데이터 기반의 방어 체계를 구축하여 장기적인 보안 비용 절감
- 보안 연구 및 교육
  - 실시간 공격 데이터를 활용해 보안 전문가 양성 및 연구
  - 산업 제어 시스템 관련 보안 취약점 연구에 활용