Databricks에서 데이터 유출 보호를 위한 통합 접근 방식

개요

데이터 유출은 오늘날 조직이 직면하는 가장 심각한 보안 위험 중 하나입니다. 이는 민감한 고객 또는 사업 정보를 노출시켜, GDPR과 같은 법률에 따른 평판 피해와 규제 벌금을 초래할 수 있습니다. 문제는 유출이 외부 공격자, 내부자의 실수, 또는 악의적인 내부자를 통해 다양한 방식으로 발생하며, 피해가 발생할 때까지 종종 감지하기 어렵다는 것입니다.

보안 및 클라우드 팀은 직원들이 SaaS 도구와 클라우드 서비스를 사용하여 작업을 수행할 수 있도록 하면서 이러한 위험을 방지해야 합니다. 수백 가지의 서비스가 동작하면서 가능한 모든 데이터 유출 경로를 분석하는 것은 압도적일 수 있습니다.

이 블로그에서는 AWS, Azure, GCP에서 Databricks의 데이터 유출을 방지하기 위한 통합 접근 방식을 소개합니다. 우리는 위험을 평가하는 프레임워크를 형성하는 세 가지 핵심 보안 요구사항으로 시작합니다. 그런 다음 이 요구사항들을 우선 순위에 따라 구성된 19가지 실용적인 제어 방법에 매핑하여, 첫 번째 Databricks 보안 전략을 구축하든 기존의 것을 강화하든 적용할 수 있습니다.

데이터 유출 보호 제어 방법을 분류하기 위한 프레임워크:

우리는 관련 데이터 유출 보호 제어를 매핑하기 위한 포괄적인 프레임워크를 형성할 세 가지 핵심 기업 요구사항을 정의하는 것으로 시작하겠습니다:

1. 모든 사용자/클라이언트 접근은 신뢰할 수 있는 위치에서 강력하게 인증됩니다:
   • 모든 접근은 인증을 받아야 하며 신뢰할 수 있는 위치에서 시작되어야 하며, 이를 통해 사용자와 클라이언트는 승인된 네트워크를 통해 시스템에만 접근할 수 있도록 확인된 신원 제어를 통해 보장합니다.
2. 신뢰할 수 없는 저장 위치, 공개 또는 개인 엔드포인트에 대한 접근 금지:
   • 컴퓨트 엔진은 관리자가 승인한 저장소와 엔드포인트에만 접근해야 하며, 이를 통해 데이터 유출을 불법적인 목적지로 방지하고 악의적인 서비스에 대해 보호합니다.
3. 모든 데이터 접근은 신뢰할 수 있는 작업부하에서 이루어집니다:
   • 저장 시스템은 승인된 컴퓨팅 리소스만 접근을 허용해야 하며, 신뢰할 수 없는 시스템에서 자격 증명이 손상된 경우에도 최종 검증 계층을 생성합니다.

전반적으로, 이 세 가지 요구사항이 함께 작동하여 조직의 보안 경계를 넘어 불법적인 데이터 이동을 촉진할 수 있는 사용자 행동을 해결합니다. 그러나, 이 세 가지 요구사항을 하나의 전체로 생각하는 것이 중요합니다. 요구사항 중 하나에서 제어 조치에 빈틈이 있다면, 전체 아키텍처의 보안 태세에 지장을 줍니다.

다음 섹션에서는 각 개별 요구사항에 매핑된 특정 컨트롤을 살펴볼 것입니다.

Databricks를 위한 데이터 유출 보호 전략:

가독성과 간결성을 위해, 관련 요구 사항에 따른 각 제어는 다음과 같이 구성됩니다: 아키텍처 구성 요소, 위험 시나리오, 해당 완화 방안, 구현 우선 순위, 클라우드 특정 문서.

구현 우선 순위에 대한 범례는 다음과 같습니다:

• 높음 - 즉시 구현하십시오. 이러한 제어는 환경이나 사용 사례에 관계없이 모든 Databricks 배포에 필수적입니다.
• MEDIUM - 귀하의 조직의 위험 허용도와 특정 Databricks 사용 패턴에 따라 평가하십시오.
• LOW - 작업 공간 환경 (개발, QA, 생산) 및 조직의 보안 요구 사항에 따라 평가합니다.

주의: 제어를 구현하기 전에 해당 기능에 맞는 플랫폼 계층에 있는지 확인하십시오. 필요한 등급은 관련 문서 링크에 표시되어 있습니다.

모든 사용자 및 클라이언트 접근은 신뢰할 수 있는 위치에서 강력하게 인증됩니다:

요약

사용자는 승인된 방법을 통해 인증하고 Databricks에는 오직 승인된 네트워크에서만 접근해야 합니다. 이것은 무단 접근을 완화하는 기반을 마련합니다.

이 섹션에서 다루는 아키텍처 구성 요소에는 Identity Provider, Account Console, Workspace가 포함됩니다.

이 요구사항이 중요한 이유는 무엇인가요?

모든 사용자와 클라이언트가 신뢰할 수 있는 위치에서 연결되고 강력하게 인증되는 것을 보장하는 것은 데이터 유출을 완화하기 위한 첫 번째 방어선입니다. 데이터 플랫폼이 접근 요청이 승인된 네트워크에서 발생한 것인지, 사용자가 다중 인증 계층(예: MFA)을 통해 검증되었는지 확인할 수 없다면, 그 후의 모든 제어가 약화되어 환경이 취약해집니다.

신뢰할 수 없는 저장 위치, 공개 또는 개인 엔드포인트에 대한 접근 금지:

요약

컴퓨팅 리소스는 오직 승인된 저장 위치와 엔드포인트에만 접근해야 합니다. 이는 데이터가 불법적인 목적지로 유출되는 것을 완화하고 악의적인 외부 서비스에 대한 보호를 제공합니다.

이 섹션에서 다루는 아키텍처 구성 요소에는 Classic Compute, Serverless Compute, Unity Catalog가 포함됩니다.

이 요구사항이 중요한 이유는 무엇인가요?

컴퓨팅이 신뢰할 수 있는 저장 위치와 엔드포인트에만 액세스해야 하는 요구 사항은 조직의 보안 테두리를 보존하는 데 기본적입니다. 전통적으로 방화벽은 데이터 유출에 대한 주요 방어책이었지만, 클라우드 서비스와 SaaS 통합 포인트가 확장됨에 따라 조직은 신뢰할 수 없는 목적지로 데이터를 이동시키는 데 이용될 수 있는 모든 잠재적 벡터를 고려해야 합니다.

모든 데이터 접근은 신뢰할 수 있는 작업 부하에서 이루어집니다:

요약

데이터 저장소는 승인된 Databricks 작업 및 신뢰할 수 있는 컴퓨팅 소스로부터만 접근을 허용해야 합니다. 이는 고객 데이터와 노트북, 쿼리 결과와 같은 작업 공간 아티팩트에 대한 무단 접근을 방지합니다. 이 섹션에서 다루는 아키텍처 구성 요소에는 Storage Account, Serverless Compute, Unity Catalog, Workspace Settings가 포함됩니다.

이 요구사항이 중요한 이유는 무엇인가요?

조직이 더 많은 SaaS 도구를 채택함에 따라, 데이터 요청은 전통적인 클라우드 네트워크 외부에서 점점 더 발생합니다. 이러한 요청은 클라우드 객체 저장소, 데이터베이스 또는 스트리밍 플랫폼을 포함할 수 있으며, 각각이 유출을 위한 가능한 경로를 만듭니다. 이 위험을 줄이기 위해, 접근은 일관되게 승인된 거버넌스 계층을 통해 강제되어야 하며, 데이터가 제어된 환경 내에서 사용되도록 하기 위해 승인된 데이터 도구에 제한되어야 합니다.

적극적인 데이터 유출 모니터링:

세 가지 핵심 기업 요구사항을 통해 Databricks 데이터 인텔리전스 플랫폼을 보호하기 위한 예방 컨트롤을 설정할 수 있지만, 모니터링은 이러한 컨트롤이 의도한 대로 작동하는지 확인하는 감지 기능을 제공합니다. 강력한 인증, 제한된 컴퓨트 접근, 보안된 저장소가 있더라도, 설정된 컨트롤을 우회하려는 시도를 나타낼 수 있는 사용자 행동에 대한 가시성이 필요합니다.

Databricks는 접근 제어 모니터링을 위한 종합적인 시스템 테이블을 제공합니다 [AWS, Azure, GCP]. 이러한 시스템 테이블을 사용하면 고객은 잠재적으로 의심스러운 활동을 기반으로 경고를 설정하여 작업 공간에서의 기존 제어를 보완할 수 있습니다.

실행 가능한 통찰력을 제공할 수 있는 기본 제공 쿼리에 대해 알아보려면 이 블로그 게시물을 방문하십시오: Databricks Unity Catalog의 시스템 테이블을 사용하여 Lakehouse 보안 모니터링 개선. 클라우드 특정 로그 [AWS, Azure, GCP]는 Databricks 시스템 테이블의 데이터를 보완하기 위해 수집 및 분석할 수 있습니다.

결론:

이제 이 프레임워크를 구성하는 각 보안 요구사항과 관련된 위험과 제어를 다루었으므로, Databricks 배포에서 데이터 유출을 완화하기 위한 통합 접근 방식을 가지게 되었습니다.

무단 데이터 이동을 방지하는 것은 일상적인 작업이지만, 이는 사용자가 회사의 가장 중요한 자산 중 하나인 데이터를 보호하면서 개발하고 혁신하는 기반을 제공할 것입니다.

데이터 인텔리전스 플랫폼을 보호하는 여정을 계속하기 위해, Databricks에서의 보안 모범 사례에 대한 전체적인 시각을 제공하는 보안 및 신뢰 센터 를 방문하는 것을 강력히 권장합니다.

• 모범 사례 가이드는 일반적이고 매우 안전한 환경에 대해 권장하는 주요 보안 제어에 대한 자세한 개요를 제공합니다.
• 보안 참조 아키텍처 - 테라폼 템플릿 을 사용하면 이 블로그에서 설명한 최고의 사례를 따르는 Databricks 환경을 자동으로 생성하는 것이 쉬워집니다.
• 보안 분석 도구 는 최선의 관행에 따라 Databricks 데이터 인텔리전스 플랫폼의 보안 자세를 지속적으로 모니터링합니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)