국방부, 군사비밀 데이터까지 쓰는 국방 AI 플랫폼 고도화 착수

국방 AI, 이제 행정 데이터에서 전장 데이터로 넘어감

• 국방부가 국방 인공지능 전환(AX)을 밀기 위해 AI 컴퓨팅 인프라 확충에 들어감

  • 국방부와 한국지능정보사회진흥원(NIA)이 공개한 사업명은 국방 지능형 플랫폼 고도화 구축
  • 사업 예산은 약 214억원이고, 기간은 계약일로부터 약 15개월임
  • 핵심은 GPU 같은 고성능 자원 보강에 그치지 않고, 군사비밀 등급 데이터까지 AI 학습·운영에 쓸 수 있는 플랫폼을 만드는 것임

• 이번 사업의 포인트는 국방 AI의 적용 범위가 확 넓어진다는 데 있음

  • 기존 플랫폼은 군수, 인사, 재정 같은 행정·자원관리 영역의 일반 등급 데이터를 주로 다뤘음
  • 새 플랫폼은 전장 데이터와 무기체계 데이터까지 연결하려는 방향임
  • 육·해·공군에 흩어진 데이터를 통합하고, 국방 전 분야에서 AI를 개발하고 운영할 수 있는 기반을 만들겠다는 그림임

플랫폼 구성은 꽤 풀스택에 가까움

• 국방 지능형 플랫폼은 AI 활용 전 과정을 커버하는 종합 플랫폼으로 설계됨

  • AI 컴퓨팅 자원 확보
  • 데이터 수집·저장·정제·가공
  • AI 모델 개발·학습·평가·배포·운영
  • 사용자가 접근하는 통합 포털까지 포함됨

• 세부 구성은 크게 4개 축으로 나뉨

  • 국방 지능형 클라우드 인프라
  • 국방 데이터 플랫폼
  • 국방 AI 개발·운영 플랫폼
  • 국방 지능형 플랫폼 포털

• 클라우드 인프라 쪽에서는 GPU와 가상화·컨테이너 관리가 같이 들어감

  • GPU 등 고성능 하드웨어 자원을 추가 도입함
  • 가상화 기반의 IaaS와 컨테이너 기반의 PaaS 관리 플랫폼을 구축함
  • 국방 AI 개발팀이 매번 장비를 따로 잡는 게 아니라, 공통 인프라 위에서 자원을 배분받는 구조로 가겠다는 뜻임

• 데이터 플랫폼은 흩어진 국방 데이터를 “찾고 쓸 수 있는 자산”으로 바꾸는 역할을 맡음

  • 여러 곳에 산재한 국방 데이터를 수집, 저장, 정제, 가공함
  • 카탈로그 기반으로 검색하고 활용할 수 있게 설계함
  • 그냥 데이터 레이크 하나 만드는 수준이 아니라, AI 학습에 바로 연결 가능한 형태로 정리하려는 흐름임

진짜 어려운 건 군사비밀 데이터 보안임

• 기존 국방 지능형 플랫폼의 한계는 군사비밀 데이터 활용이 어려웠다는 점임

  • 2023년에 구축된 기존 플랫폼은 일반 등급 데이터 기반 AI 개발 환경을 제공했음
  • 하지만 C4I, 무기체계 등 전장 분야에서 생성되는 데이터는 상당수가 군사비밀 등급이라 제약이 컸음
  • AI 입장에서는 중요한 데이터일수록 접근이 어려웠던 셈임

• 이번 고도화에서는 군사비밀 등급 데이터를 다루기 위한 보안 구조가 핵심 과제로 들어감

  • 데이터 접근 통제를 위해 다중인증(MFA)을 구축함
  • 저장 구간과 전송 구간 암호화를 적용함
  • 누가 어떤 데이터를 어떻게 다뤘는지 추적하는 데이터 이력 관리시스템도 구현함

국방 AI 데이터센터와 생성형 AI 도입 흐름의 연장선

• 국방부는 최근 국방 AI 데이터센터와 생성형 AI 기반 도입도 함께 추진 중임

  • 이번 지능형 플랫폼 고도화는 그 흐름에서 따로 떨어진 사업이 아니라, 국방 AX 전체 인프라를 받치는 축으로 보임
  • 데이터센터가 연산 자원과 운영 기반을 맡고, 지능형 플랫폼이 데이터·모델·서비스 흐름을 묶는 구조가 될 가능성이 큼

• NIA 쪽 설명도 방향이 명확함

  • 군사비밀보안 규격을 충족하는 지능형 클라우드를 구축하겠다는 입장임
  • GPU 기반 고성능 컴퓨팅 인프라를 안정적으로 마련해 국방 전용 AI 서비스의 허브로 만들겠다는 목표를 내세움

• 한국 개발자 입장에서도 볼 만한 지점이 있음

  • 공공·국방 영역의 AI 도입은 결국 “모델”보다 “데이터 등급, 접근권한, 감사 추적, 인프라 격리”가 더 큰 문제로 튀어나옴
  • 민간 기업에서도 금융, 의료, 제조 보안 데이터로 AI 플랫폼을 만들 때 비슷한 고민을 하게 됨
  • 즉 이 사업은 국방 특수 사례이면서도, 민감 데이터 기반 AI 플랫폼을 어떻게 설계할지 보여주는 꽤 현실적인 케이스임

---

기술 맥락

• 이번 선택의 핵심은 GPU만 늘리는 게 아니라, IaaS와 PaaS를 같이 깔아 AI 개발 환경을 표준화하려는 거예요. 군 내부 조직마다 장비와 환경을 따로 들고 있으면 모델 학습, 배포, 운영 방식이 전부 달라지거든요.

• 데이터 플랫폼을 따로 두는 이유는 군 데이터가 그냥 한곳에 예쁘게 모여 있지 않기 때문이에요. 육·해·공군과 무기체계, C4I 같은 시스템에서 나오는 데이터를 수집하고 정제하고 카탈로그화해야 AI 개발자가 실제로 찾고 쓸 수 있어요.

• 군사비밀 등급 데이터를 AI에 쓰려면 접근 통제가 모델보다 먼저예요. MFA, 저장·전송 암호화, 이력 관리를 넣는 건 누가 어떤 데이터에 접근했고 어떤 학습·운영 과정에 쓰였는지 남겨야 하기 때문이에요.

• AI 개발·운영 플랫폼이 전주기를 맡는 것도 중요해요. 학습만 하고 끝나는 게 아니라 평가, 배포, 운영까지 이어져야 국방 전용 AI 서비스로 굴러가는데, 이 흐름이 끊기면 실험실 모델에서 멈추기 쉬워요.