금융 서비스 관점: 보안, 개인 정보 보호, 규정 준수

Last reviewed 2025-07-28 UTC

Well-Architected Framework: 금융 서비스 (FS) 관점의 이 문서에서는 금융 서비스 (FS) 워크로드의 보안, 개인 정보 보호, 규정 준수 요구사항을 해결하기 위한 원칙과 권장사항을 간략히 설명합니다.Google Cloud Google Cloud이 권장사항은 복원력 있고 규정을 준수하는 인프라를 구축하고, 민감한 정보를 보호하고, 고객 신뢰를 유지하고, 복잡한 규제 요구사항을 탐색하고, 사이버 위협을 효과적으로 관리하는 데 도움이 됩니다. 이 문서의 권장사항은 보안 분야 Well-Architected Framework와 일치합니다.

클라우드 컴퓨팅의 보안은 고객 세부정보 및 재무 기록을 비롯하여 관리하는 방대한 양의 민감한 데이터로 인해 사이버 범죄자에게 매우 매력적인 FS 조직에게 중요한 문제입니다. 보안 침해의 결과는 상당한 재정적 손실, 장기적인 평판 손상, 상당한 규제 벌금을 비롯하여 매우 심각합니다. 따라서 FS 워크로드에는 엄격한 보안 제어가 필요합니다.

포괄적인 보안 및 규정 준수를 보장하려면 귀하 (FS 조직)와 간의 공유 책임을 이해해야 합니다.는 물리적 보안 및 네트워크 보안을 비롯한 기본 인프라를 보호할 책임이 있습니다. Google CloudGoogle Cloud 귀하는 데이터 및 애플리케이션 보호, 액세스 제어 구성, 보안 서비스 구성 및 관리를 담당합니다. 보안 노력을 지원하기 위해 Google Cloud 파트너 생태계 는 보안 통합 및 관리형 서비스를 제공합니다.

이 문서의 보안 권장사항은 다음과 같은 핵심 원칙에 매핑됩니다.

보안 내재화 설계 구현

결제 카드 산업 데이터 보안 표준 (PCI DSS), 미국의 Gramm-Leach-Bliley Act (GLBA) 및 다양한 국가의 금융 데이터 보호법과 같은 금융 규정에서는 보안을 처음부터 시스템에 통합하도록 규정합니다. 보안 내재화 설계 원칙은 개발 수명 주기 전반에 걸쳐 보안을 통합하여 처음부터 취약점을 최소화하는 데 중점을 둡니다.

에서 FS 워크로드에 보안 내재화 설계 원칙을 적용하려면 Google Cloud다음 권장사항을 고려하세요.

제로 트러스트 구현

최신 금융 규정에서는 엄격한 액세스 제어와 지속적인 검증의 필요성을 점점 더 강조하고 있습니다. 이러한 요구사항은 내부 및 외부 위협과 악의적인 행위자로부터 워크로드를 보호하는 것을 목표로 하는 제로 트러스트 원칙을 반영합니다. 제로 트러스트 원칙은 모든 사용자 및 기기의 지속적인 검증을 옹호하여 암시적 신뢰를 제거하고 측면 이동을 완화합니다.

제로 트러스트를 구현하려면 다음 권장사항을 고려하세요.

시프트 레프트 보안 구현

금융 규제 기관은 사전 보안 조치를 권장합니다. 개발 수명 주기 초기에 취약점을 식별하고 해결하면 보안 사고의 위험과 규정 준수 위반 벌금의 가능성을 줄일 수 있습니다. 시프트 레프트 보안 원칙은 조기 보안 테스트 및 통합을 촉진하여 수정 비용과 복잡성을 줄이는 데 도움이 됩니다.

시프트 레프트 보안을 구현하려면 다음 권장사항을 고려하세요.

선점형 사이버 방어 구현

금융 기관은 정교한 사이버 공격의 주요 대상입니다. 규정에서는 강력한 위협 인텔리전스와 사전 방어 메커니즘을 요구하는 경우가 많습니다. 선점형 사이버 방어는 고급 분석 및 자동화를 사용하여 사전 위협 감지 및 대응에 중점을 둡니다.

다음 권장사항을 고려하세요.

안전하고 책임감 있는 AI 사용 및 보안을 위한 AI 사용

AI 및 ML은 사기 감지 및 알고리즘 거래와 같은 금융 서비스 사용 사례에 점점 더 많이 사용되고 있습니다. 규정에서는 이러한 기술을 윤리적이고 투명하며 안전하게 사용하도록 요구합니다. AI는 보안 기능을 향상하는 데도 도움이 될 수 있습니다. AI 사용에 관한 다음 권장사항을 고려하세요.

  • Vertex AI를 사용하여 안전하고 관리되는 환경에서 ML 모델을 개발하고 배포합니다. 모델 설명 가능성 및 공정성 측정항목과 같은 기능은 책임감 있는 AI 문제를 해결하는 데 도움이 될 수 있습니다.
  • AI 및 ML을 사용하여 대량의 보안 데이터를 분석하고, 이상을 감지하고, 위협 대응을 자동화하는 Google Security Operations의 보안 분석 및 운영 기능을 활용합니다. 이러한 기능은 전반적인 보안 상황을 개선하고 규정 준수 모니터링에 도움이 됩니다.
  • 보안 및 윤리 관련 고려사항을 비롯하여 AI 및 ML 개발 및 배포에 대한 명확한 거버넌스 정책을 수립합니다.
  • AI 시스템의 보안 및 위험 문제를 해결하기 위한 실용적인 접근 방식을 제공하는 안전한 AI 프레임워크 (SAIF)의 요소와 일치합니다.
  • AI 기반 사기 감지 시스템의 정확성과 효과, 보안 경보의 오탐 감소, AI 기반 보안 자동화로 인한 효율성 향상을 추적합니다.

규정 준수 및 개인 정보 보호 요구사항 충족

금융 서비스는 데이터 상주 요구사항, 특정 감사 추적, 데이터 보호 표준을 비롯한 광범위한 규정을 준수해야 합니다. 민감한 정보가 올바르게 식별, 보호, 관리되도록 하려면 FS 조직에 강력한 데이터 거버넌스 정책과 데이터 분류 체계가 필요합니다. 규제 요구사항을 충족하는 데 도움이 되는 다음 권장사항을 고려하세요.

보안 이니셔티브 우선순위 지정

보안 요구사항의 범위가 넓기 때문에 금융 기관은 위험 평가 및 규제 의무를 기반으로 하는 이니셔티브의 우선순위를 지정해야 합니다. 다음 단계별 접근 방식을 권장합니다.

  1. 강력한 보안 기반 구축: ID 및 액세스 관리, 네트워크 보안, 데이터 보호를 비롯한 보안의 핵심 영역에 집중합니다. 이러한 집중은 강력한 보안 상황을 구축하고 진화하는 위협에 대한 포괄적인 방어를 보장하는 데 도움이 됩니다.
  2. 중요 규정 해결: PCI DSS, GDPR, 관련 국가 법률과 같은 주요 규정 준수의 우선순위를 지정합니다. 이렇게 하면 데이터 보호를 보장하고, 법적 위험을 완화하고, 고객과의 신뢰를 구축하는 데 도움이 됩니다.
  3. 고급 보안 구현: 제로 트러스트, AI 기반 보안 솔루션, 사전 위협 헌팅과 같은 고급 보안 관행을 점진적으로 채택합니다.