옵스, 멀티클라우드, 채용, 데이터 윤리, 데이터 보안...기술과 운영의 조화
GDPR, 감춰둔 이빨 드러낼 것으로 예상돼...미국에서도 비슷한 움직임 있을 듯
[보안뉴스 문가용 기자] 2019년 IT 업계의 흐름은 2018년의 그것과 다르지 않을 것이다. 즉 데이터, 분석, 머신 러닝 등 인공지능과 관련된 여러 분야들이 지속적인 관심의 대상이 될 가능성이 높다는 뜻이다. 다만 이 신기술들에 대해 알아보고, 눈치를 살피는 데 2018년을 사용했다면 2019년에는 보다 구체적인 실행계획들이 나오고, 실행계획이 실제 제품과 서비스로서 형태를 갖추기 시작할 것이라는 측면에서 차이가 있을 수 있다.
[이미지 = iclickart]
하지만 어려움이 없진 않을 것이다. 예를 들어 2018년, 데이터 과학과 분석에 대한 관심이 막 높아지던 해에 꽤나 굵직한 데이터 유출 사고가 여러 번 일어났다. 특히 페이스북을 위시로 한 대기업들에서 불미스러운 일들이 일어나고, 여러 사용자들에게 실망감을 안겼다. 페이스북의 CEO는 청문회에 서기도 했고, 국제적 대기업들은 현재 GDPR과 관련된 소송을 진행 중에 있다.
그렇다면 2019년에는 데이터, IT, 머신 러닝, 인공지능과 관련하여 어떤 일들이 발생할까? 본지는 산업 내 전문가들을 만나 이번 해에 일어날 일들을 예측해보고, 어떤 대비를 해야 하는지 물었다. 그리고 다음과 같은 답을 들었다.
데이터옵스와 AI옵스
업계에서 데브옵스라는 개념이 활발하게 언급되기 시작한 건 벌써 10년 전의 일이다. 그래서 이제 다양한 사람들이 다양한 정의를 내리고 다양한 이해를 바탕으로 다양하게 활용하기 시작했다. 그러나 결국에는 ‘소프트웨어 개발 과정(dev)에 많은 운영 요소(ops)들을 참여시켜 결과물의 가치를 높인다’는 기본 개념은 지켜지고 있다. 또한 보다 빠르고 확장이 쉬운 개발 과정이라는 개념도 공통분모다.
그러면서 전통적인 기술 분야에서 사용되던 단어에 운영 요소를 뜻하는 ‘옵스’란 말을 덧붙이는 게 유행처럼 시도되고 있다. 개발과 운영이 합쳐지니 사업의 가치가 올라간다는 것에 집중한 것이다. 2019년에도 이런 시도들이 이어질 것이다. 데이터옵스(DataOps), AI옵스(AIOps)라는 개념이 여러 대화와 컨퍼런스 속에 녹아들 것이다. 이미 데이터옵스는 가트너의 2018년 데이터 관리 부문 연구 자료에서 등장한 바 있다.
이스라엘의 데이터 관리 전문 업체인 어튜니티(Attunity)의 제품 관리 부회장인 댄 포터(Dan Potter)는 “데이터옵스는 시간이 가면 갈수록 더 중요한 개념으로 자리 잡을 것”이라고 예상하고 있다. “데브옵스와 크게 보면 개념이 다르지 않아요. 앞으로 몇 년 간은 데브옵스에서 충분히 개념 습득을 한 후 사람들은 데이터 활용과 관리에 적용하고 있고, 이를 통해 각종 사업적 필요를 충족시킬 것으로 보입니다.”
멀티클라우드
이미 멀티클라우드를 사용하는 기업이 빠르게 늘어나고 있다. 말 그대로 여러 클라우드 서비스를 사용하는 현상인데, 사용자 기업들이 단일 클라우드 서비스보다 멀티클라우드를 선호하는 이유가 있다.
클라우드 서비스를 하나만 사용했을 때의 장점은 간결함과 편리함이다. 한 회사와 파트너십을 맺고 일을 진행하는 것이 많은 회사와 하는 것보다 간단한 건 당연하다. 내부 인원들을 교육시키고 기존 회사 시스템과 통합시키는 면에서도 그렇고, 현재 회사가 보유하고 있는 각종 앱이나 기술적 요소들을 클라우드에 맞게 조정하는 면에서도 그렇다.
반대로 멀티클라우드 환경을 조성하면 한 회사와 시스템에 종속되는 걸 방지할 수 있게 된다. 한 클라우드에만 익숙해지면 그 클라우드 제공 업체에 무슨 일이 일어나도 빠져나갈 수 없게 되고, 다른 클라우드로 전환하는 것도 굉장히 어렵게 된다. 단 하나의 클라우드 파트너가 갑자기 가격을 올리거나, 서비스 퀄리티를 낮춘다고 했을 때 대응할 수가 없는 것이다. 그래서 기업들은 여러 클라우드를 사용하며 미리미리 대비를 하는 것이다.
그런데 사실 순수하게 한 개 클라우드만 사용하는 기업들은 그리 많지 않다. 회사의 정책이나 추구하는 바가 그렇고, 모든 직원들이 ‘우리 회사는 클라우드 하나만 써’라고 생각해도 실제로 들여다보면 아닐 가능성이 높다고 기업 전략 컨설팅 업체인 비임(Veeam)의 부회장 데이브 러셀(Dave Russell)은 말한다.
“멀티클라우드로 가고 있다고 말하는 기업들이 많은데요, 이미 멀티클라우드 환경에 있는 것일 수도 있습니다. 다만 인지하지 못하고 있을 뿐이죠. 직원들 중 적어도 한 명쯤은 개인적으로 다른 클라우드 서비스나 SaaS 애플리케이션을 사용하고 있을 가능성이 높거든요. 멀티클라우드로 가려면 이런 현황들을 전부 파악해야 합니다. 아마 2019년에 기업 내 실제로 사용되는 클라우드를 파악하기 위한 움직임들이 있을 것으로 보입니다. 멀티클라우드로 가는 사전 작업으로서 말이죠.”
인력, 기술, 고용
특수한 기술을 가지고 고용 시장에 들어선 사람들을 찾는 게 지난 몇 년 동안 정말로 힘들었다. 데이터 과학자, 머신 러닝 전문가, 파이선 전문가들까지 희귀한 존재들이었다. 대부분 금방 직장을 찾고, 어디선가 이미 근무 중에 있었다. 그래서 기업들은 선수 빼오기나 대학 장학 프로그램을 통해 미리 인재를 확보하는 전략을 사용했다. 수요가 공급보다 압도적으로 높은 상황 속에 인력을 대체할 기술들도 속속 등장하기 시작했다. 일반 직원들도 활용할 수 있는 AI, 자동화, 프로그래밍, 데이터 분석 툴들이 나타나기도 했다.
러셀은 “실력 좋은 사람을 고용하는 건 정말로 어려운 일”이라며, “얼마나 어려운지 고용 전략만이 아니라 아예 인사 관리의 큰 방향을 바꾸기 시작한 기업들도 있었다”고 설명한다. “예를 들어 ‘특수한 분야의 전문가를 고용한다’는 개념을 지우고, ‘기본적인 지식과 경영 마인드를 갖추되 학습이 빠른 사람을 찾아 훈련시킨다’는 전략을 실천하는 기업들이 나타나기 시작했습니다. 어차피 기술이라는 것도, 사업을 하기 위한 재료일 뿐이라는 것에서 나온 발상이죠.”
또 서로 다른 전문 분야를 가진 사람들을 뭉쳐서 작은 팀 단위로 움직이기 시작한 기업들도 있다. “통계 전문가, 소프트웨어 개발자, 사업 기획 경험자 등을 한 팀으로 만드는 것이죠. 다 잘 하는 한 사람을 찾는 게 어려우니, 각 기능별로 전문가들을 영입해 서로 보완하고 상호작용하도록 팀을 짜는 겁니다.”
데이터 윤리
알고리즘과 머신 러닝은 인간의 선입견을 배제할 수 있는 기술로 여겨졌다. 첨단 기술의 효과를 순수하게, 인적 요소의 방해 없이 누릴 수 있게 해주는 것으로 기대를 모았다. 그러나 뚜껑을 열어보니 인적 요소가 잔뜩 묻어나는 기술이었다. 데이터를 주입해 가르쳐야 효력을 발휘하는데, 그 데이터에서 인간의 편견을 빼내는 게 여간 어려운 일이 아니었기 때문이다. 그래서 인종차별적인 결과를 내는 인공지능이 나오며 이슈가 된 것이다.
지난 몇 년 동안 인공지능에 대한 인기와 기대감 뒤로 인간의 편견을 배제하는 것에 대한 연구가 진행됐다. 그리고 올해 이 연구가 어느 시점에 다다랐나 하면, 빅 데이터나 인공지능, 데이터 과학 분야에서 내로라하는 지도자급 인물들이 ‘가장 시급히 해결해야 할 문제’로 데이터 질을 꼽는 데까지 이르렀다. 하둡(Hadoop) 기술의 아버지라 불리는 덕 커팅(Doug Cutting)은 ‘데이터 윤리성’ 전도사로 현재 활동하다시피 하고 있다. 작년 여러 컨퍼런스와 회의에 나선 커팅은 “데이터들이 축적되었을 때 공평한 결과가 나오도록 국가와 기업이 애써야 한다”고 촉구하기도 했다.
인공지능과 데이터 과학에 대한 수요가 높이질수록 더 많은 전문가들이 데이터 윤리에 대해 목소리를 높이기 시작할 것이다. 2019년이 바로 이 상황으로 들어서는 길목이 될 것이며, 대중들에게도 데이터 윤리라는 개념이 퍼질 정도로 많은 이야기들이 시작될 것으로 예상된다.
데이터 보안과 데이터 프라이버시
데이터 보안과 프라이버시는 이미 지난 해부터도 세계적인 이슈였다. 그러나 작년에는 문제만 불거졌지 제대로 된 답이 제시되지 않았다. 그러므로 이 걱정과 논란은 올해도 지속될 것으로 전망된다. 아직도 대중들은 이 문제에 상당히 민감한 반응을 보인다. 그러므로 데이터로서 뭔가 새로운 사업을 해보려는 조직들이라면, 제일 먼저 데이터 프라이버시와 보안 문제에 대한 대책을 세워야 할 것이다.
지난 해 이맘때쯤 많은 조직들은 유럽연합의 새 개인정보 보호법인 GDPR에 대비하느라 바빴었다. 이 GDPR은 2018년 5월부터 시행되기 시작했고, 아직까지도 GDPR이 요구하는 규정을 맞추지 못하는 기업들이 많은 것으로 알려져 있다. 그 못 다한 것들이 올해에도 계속 진행되어야 할 것으로 보인다. 또한 미국 캘리포니아도 GDPR과 유사한 데이터 프라이버시 및 보안 법을 2018년부터 시행함으로써 앞으로 개인정보에 대한 특별한 보호는 회사들의 기본 소양이 될 가능성이 높다.
실제로 2019년 1월, 프랑스의 GDPR 관련 기구는 구글에 5천만 유로라는 천문학적인 벌금형을 GDPR 시행 후 처음으로 내린 바 있다. GDPR이 본격적으로 채찍을 드는 해가 될 수도 있다는 게 일부 전문가들의 분석이다. 작년 GDPR은 잠잠한 편이었다. 컨설팅 업체 액세스 파트너십(Access Partnership)의 글로벌 홍보 책임자인 로라 살스트롬(Laura Sallstrom)은 “아직까지 GDPR이 꽤나 ‘봐주는’ 스탠스를 취했지만, 영원히 그러진 않을 것”이라고 경고했다. “올해는 더 많은 수사가 진행되고 벌금 소식이 훨신 자주 들려올 겁니다.”
미국 정부도 페이스북이나 구글, 야후 등에서 각종 보안 사고와 불미스러운 일이 터져 나옴에도 잠잠한 편이었다. 법을 개정하거나 새롭게 마련하는 일에도 뜨듯 미지근한 태도를 유지했다. 살스트롬은 “이런 현상 역시 올해 바뀔 가능성이 높다”고 점치고 있다. “민주당이 하원을 차지하게 되면서 이 부분에 대한 변화가 있을 것으로 예상됩니다. 물론 그것이 상원까지 올라가서 통과될 것인지는 확실치 않지만요.”
3줄 요약
1. 2019년 IT 업계의 키워드 : 옵스, 멀티클라우드, 채용, 데이터 윤리, 데이터 보안.
2. 기술과 사업 운영은 점점 더 한 몸처럼 여겨지게 되고, 사람은 더 찾기 힘들다.
3. 데이터에 대한 중요성이 강조되면서 보안과 프라이버시, 윤리 문제 대두될 것.
[국제부 문가용 기자(globoan@boannews.com)]
GDPR, 감춰둔 이빨 드러낼 것으로 예상돼...미국에서도 비슷한 움직임 있을 듯
[보안뉴스 문가용 기자] 2019년 IT 업계의 흐름은 2018년의 그것과 다르지 않을 것이다. 즉 데이터, 분석, 머신 러닝 등 인공지능과 관련된 여러 분야들이 지속적인 관심의 대상이 될 가능성이 높다는 뜻이다. 다만 이 신기술들에 대해 알아보고, 눈치를 살피는 데 2018년을 사용했다면 2019년에는 보다 구체적인 실행계획들이 나오고, 실행계획이 실제 제품과 서비스로서 형태를 갖추기 시작할 것이라는 측면에서 차이가 있을 수 있다.
[이미지 = iclickart]
하지만 어려움이 없진 않을 것이다. 예를 들어 2018년, 데이터 과학과 분석에 대한 관심이 막 높아지던 해에 꽤나 굵직한 데이터 유출 사고가 여러 번 일어났다. 특히 페이스북을 위시로 한 대기업들에서 불미스러운 일들이 일어나고, 여러 사용자들에게 실망감을 안겼다. 페이스북의 CEO는 청문회에 서기도 했고, 국제적 대기업들은 현재 GDPR과 관련된 소송을 진행 중에 있다.
그렇다면 2019년에는 데이터, IT, 머신 러닝, 인공지능과 관련하여 어떤 일들이 발생할까? 본지는 산업 내 전문가들을 만나 이번 해에 일어날 일들을 예측해보고, 어떤 대비를 해야 하는지 물었다. 그리고 다음과 같은 답을 들었다.
데이터옵스와 AI옵스
업계에서 데브옵스라는 개념이 활발하게 언급되기 시작한 건 벌써 10년 전의 일이다. 그래서 이제 다양한 사람들이 다양한 정의를 내리고 다양한 이해를 바탕으로 다양하게 활용하기 시작했다. 그러나 결국에는 ‘소프트웨어 개발 과정(dev)에 많은 운영 요소(ops)들을 참여시켜 결과물의 가치를 높인다’는 기본 개념은 지켜지고 있다. 또한 보다 빠르고 확장이 쉬운 개발 과정이라는 개념도 공통분모다.
그러면서 전통적인 기술 분야에서 사용되던 단어에 운영 요소를 뜻하는 ‘옵스’란 말을 덧붙이는 게 유행처럼 시도되고 있다. 개발과 운영이 합쳐지니 사업의 가치가 올라간다는 것에 집중한 것이다. 2019년에도 이런 시도들이 이어질 것이다. 데이터옵스(DataOps), AI옵스(AIOps)라는 개념이 여러 대화와 컨퍼런스 속에 녹아들 것이다. 이미 데이터옵스는 가트너의 2018년 데이터 관리 부문 연구 자료에서 등장한 바 있다.
이스라엘의 데이터 관리 전문 업체인 어튜니티(Attunity)의 제품 관리 부회장인 댄 포터(Dan Potter)는 “데이터옵스는 시간이 가면 갈수록 더 중요한 개념으로 자리 잡을 것”이라고 예상하고 있다. “데브옵스와 크게 보면 개념이 다르지 않아요. 앞으로 몇 년 간은 데브옵스에서 충분히 개념 습득을 한 후 사람들은 데이터 활용과 관리에 적용하고 있고, 이를 통해 각종 사업적 필요를 충족시킬 것으로 보입니다.”
멀티클라우드
이미 멀티클라우드를 사용하는 기업이 빠르게 늘어나고 있다. 말 그대로 여러 클라우드 서비스를 사용하는 현상인데, 사용자 기업들이 단일 클라우드 서비스보다 멀티클라우드를 선호하는 이유가 있다.
클라우드 서비스를 하나만 사용했을 때의 장점은 간결함과 편리함이다. 한 회사와 파트너십을 맺고 일을 진행하는 것이 많은 회사와 하는 것보다 간단한 건 당연하다. 내부 인원들을 교육시키고 기존 회사 시스템과 통합시키는 면에서도 그렇고, 현재 회사가 보유하고 있는 각종 앱이나 기술적 요소들을 클라우드에 맞게 조정하는 면에서도 그렇다.
반대로 멀티클라우드 환경을 조성하면 한 회사와 시스템에 종속되는 걸 방지할 수 있게 된다. 한 클라우드에만 익숙해지면 그 클라우드 제공 업체에 무슨 일이 일어나도 빠져나갈 수 없게 되고, 다른 클라우드로 전환하는 것도 굉장히 어렵게 된다. 단 하나의 클라우드 파트너가 갑자기 가격을 올리거나, 서비스 퀄리티를 낮춘다고 했을 때 대응할 수가 없는 것이다. 그래서 기업들은 여러 클라우드를 사용하며 미리미리 대비를 하는 것이다.
그런데 사실 순수하게 한 개 클라우드만 사용하는 기업들은 그리 많지 않다. 회사의 정책이나 추구하는 바가 그렇고, 모든 직원들이 ‘우리 회사는 클라우드 하나만 써’라고 생각해도 실제로 들여다보면 아닐 가능성이 높다고 기업 전략 컨설팅 업체인 비임(Veeam)의 부회장 데이브 러셀(Dave Russell)은 말한다.
“멀티클라우드로 가고 있다고 말하는 기업들이 많은데요, 이미 멀티클라우드 환경에 있는 것일 수도 있습니다. 다만 인지하지 못하고 있을 뿐이죠. 직원들 중 적어도 한 명쯤은 개인적으로 다른 클라우드 서비스나 SaaS 애플리케이션을 사용하고 있을 가능성이 높거든요. 멀티클라우드로 가려면 이런 현황들을 전부 파악해야 합니다. 아마 2019년에 기업 내 실제로 사용되는 클라우드를 파악하기 위한 움직임들이 있을 것으로 보입니다. 멀티클라우드로 가는 사전 작업으로서 말이죠.”
인력, 기술, 고용
특수한 기술을 가지고 고용 시장에 들어선 사람들을 찾는 게 지난 몇 년 동안 정말로 힘들었다. 데이터 과학자, 머신 러닝 전문가, 파이선 전문가들까지 희귀한 존재들이었다. 대부분 금방 직장을 찾고, 어디선가 이미 근무 중에 있었다. 그래서 기업들은 선수 빼오기나 대학 장학 프로그램을 통해 미리 인재를 확보하는 전략을 사용했다. 수요가 공급보다 압도적으로 높은 상황 속에 인력을 대체할 기술들도 속속 등장하기 시작했다. 일반 직원들도 활용할 수 있는 AI, 자동화, 프로그래밍, 데이터 분석 툴들이 나타나기도 했다.
러셀은 “실력 좋은 사람을 고용하는 건 정말로 어려운 일”이라며, “얼마나 어려운지 고용 전략만이 아니라 아예 인사 관리의 큰 방향을 바꾸기 시작한 기업들도 있었다”고 설명한다. “예를 들어 ‘특수한 분야의 전문가를 고용한다’는 개념을 지우고, ‘기본적인 지식과 경영 마인드를 갖추되 학습이 빠른 사람을 찾아 훈련시킨다’는 전략을 실천하는 기업들이 나타나기 시작했습니다. 어차피 기술이라는 것도, 사업을 하기 위한 재료일 뿐이라는 것에서 나온 발상이죠.”
또 서로 다른 전문 분야를 가진 사람들을 뭉쳐서 작은 팀 단위로 움직이기 시작한 기업들도 있다. “통계 전문가, 소프트웨어 개발자, 사업 기획 경험자 등을 한 팀으로 만드는 것이죠. 다 잘 하는 한 사람을 찾는 게 어려우니, 각 기능별로 전문가들을 영입해 서로 보완하고 상호작용하도록 팀을 짜는 겁니다.”
데이터 윤리
알고리즘과 머신 러닝은 인간의 선입견을 배제할 수 있는 기술로 여겨졌다. 첨단 기술의 효과를 순수하게, 인적 요소의 방해 없이 누릴 수 있게 해주는 것으로 기대를 모았다. 그러나 뚜껑을 열어보니 인적 요소가 잔뜩 묻어나는 기술이었다. 데이터를 주입해 가르쳐야 효력을 발휘하는데, 그 데이터에서 인간의 편견을 빼내는 게 여간 어려운 일이 아니었기 때문이다. 그래서 인종차별적인 결과를 내는 인공지능이 나오며 이슈가 된 것이다.
지난 몇 년 동안 인공지능에 대한 인기와 기대감 뒤로 인간의 편견을 배제하는 것에 대한 연구가 진행됐다. 그리고 올해 이 연구가 어느 시점에 다다랐나 하면, 빅 데이터나 인공지능, 데이터 과학 분야에서 내로라하는 지도자급 인물들이 ‘가장 시급히 해결해야 할 문제’로 데이터 질을 꼽는 데까지 이르렀다. 하둡(Hadoop) 기술의 아버지라 불리는 덕 커팅(Doug Cutting)은 ‘데이터 윤리성’ 전도사로 현재 활동하다시피 하고 있다. 작년 여러 컨퍼런스와 회의에 나선 커팅은 “데이터들이 축적되었을 때 공평한 결과가 나오도록 국가와 기업이 애써야 한다”고 촉구하기도 했다.
인공지능과 데이터 과학에 대한 수요가 높이질수록 더 많은 전문가들이 데이터 윤리에 대해 목소리를 높이기 시작할 것이다. 2019년이 바로 이 상황으로 들어서는 길목이 될 것이며, 대중들에게도 데이터 윤리라는 개념이 퍼질 정도로 많은 이야기들이 시작될 것으로 예상된다.
데이터 보안과 데이터 프라이버시
데이터 보안과 프라이버시는 이미 지난 해부터도 세계적인 이슈였다. 그러나 작년에는 문제만 불거졌지 제대로 된 답이 제시되지 않았다. 그러므로 이 걱정과 논란은 올해도 지속될 것으로 전망된다. 아직도 대중들은 이 문제에 상당히 민감한 반응을 보인다. 그러므로 데이터로서 뭔가 새로운 사업을 해보려는 조직들이라면, 제일 먼저 데이터 프라이버시와 보안 문제에 대한 대책을 세워야 할 것이다.
지난 해 이맘때쯤 많은 조직들은 유럽연합의 새 개인정보 보호법인 GDPR에 대비하느라 바빴었다. 이 GDPR은 2018년 5월부터 시행되기 시작했고, 아직까지도 GDPR이 요구하는 규정을 맞추지 못하는 기업들이 많은 것으로 알려져 있다. 그 못 다한 것들이 올해에도 계속 진행되어야 할 것으로 보인다. 또한 미국 캘리포니아도 GDPR과 유사한 데이터 프라이버시 및 보안 법을 2018년부터 시행함으로써 앞으로 개인정보에 대한 특별한 보호는 회사들의 기본 소양이 될 가능성이 높다.
실제로 2019년 1월, 프랑스의 GDPR 관련 기구는 구글에 5천만 유로라는 천문학적인 벌금형을 GDPR 시행 후 처음으로 내린 바 있다. GDPR이 본격적으로 채찍을 드는 해가 될 수도 있다는 게 일부 전문가들의 분석이다. 작년 GDPR은 잠잠한 편이었다. 컨설팅 업체 액세스 파트너십(Access Partnership)의 글로벌 홍보 책임자인 로라 살스트롬(Laura Sallstrom)은 “아직까지 GDPR이 꽤나 ‘봐주는’ 스탠스를 취했지만, 영원히 그러진 않을 것”이라고 경고했다. “올해는 더 많은 수사가 진행되고 벌금 소식이 훨신 자주 들려올 겁니다.”
미국 정부도 페이스북이나 구글, 야후 등에서 각종 보안 사고와 불미스러운 일이 터져 나옴에도 잠잠한 편이었다. 법을 개정하거나 새롭게 마련하는 일에도 뜨듯 미지근한 태도를 유지했다. 살스트롬은 “이런 현상 역시 올해 바뀔 가능성이 높다”고 점치고 있다. “민주당이 하원을 차지하게 되면서 이 부분에 대한 변화가 있을 것으로 예상됩니다. 물론 그것이 상원까지 올라가서 통과될 것인지는 확실치 않지만요.”
3줄 요약
1. 2019년 IT 업계의 키워드 : 옵스, 멀티클라우드, 채용, 데이터 윤리, 데이터 보안.
2. 기술과 사업 운영은 점점 더 한 몸처럼 여겨지게 되고, 사람은 더 찾기 힘들다.
3. 데이터에 대한 중요성이 강조되면서 보안과 프라이버시, 윤리 문제 대두될 것.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
.png)
 TH.jpg)
.jpg)
 TH.jpg)
 th.jpg)
 THJ.jpg)
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.JPG){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
