암호화 상태로 AI 연산 가능한 FHE 기술, 디사일로가 국제 벤치마크 기준 제시

핵심 요약

- 디사일로가 동형암호(FHE) 기술 기반 AI 연산 성능의 국제 벤치마크 기준을 2026년 7월 수립 - 암호화된 상태에서 복호화 없이 AI 모델을 실행할 수 있어 데이터 유출 위험 원천 차단 - 생성형 AI 확산 시대 민감정보 보호와 AI 활용을 동시에 충족하는 프라이버시 강화 기술(PET)로 주목

주요 내용

생성형 AI가 의료, 금융, 공공 등 민감정보를 다루는 영역으로 확산되면서 개인정보 보호와 AI 활용 사이의 딜레마가 심화되고 있다. 2026년 현재 대부분의 AI 서비스는 데이터를 평문 상태로 처리하기 때문에 서버 해킹이나 내부자 유출 시 치명적인 개인정보 침해가 발생할 수 있다. 이러한 한계를 극복하기 위해 암호화된 데이터를 복호화하지 않고도 연산할 수 있는 동형암호(Fully Homomorphic Encryption, FHE) 기술이 주목받고 있다.

국내 프라이버시 강화 기술(PET) 전문기업 디사일로는 2026년 7월 FHE 기반 AI 연산 성능에 대한 국제 벤치마크 기준을 수립했다고 발표했다. 동형암호는 암호화된 상태에서 연산을 수행한 후 복호화하면 평문을 직접 연산한 것과 동일한 결과를 얻을 수 있는 차세대 암호 기술이다. 이를 AI에 적용하면 의료 영상, 금융 거래 내역, 개인 대화 기록 등 민감정보를 암호화한 채로 AI 모델에 입력하여 추론 결과를 얻을 수 있어, 데이터가 서버에 평문으로 노출되는 위험을 완전히 차단할 수 있다.

디사일로가 제시한 벤치마크는 FHE 연산 속도, 메모리 사용량, 암호화 오버헤드 등 실용화를 위한 핵심 성능 지표를 표준화한 것으로 평가된다. 기존에는 FHE 기술의 성능을 객관적으로 비교할 수 있는 국제 기준이 부재하여 기술 발전과 상용화에 장애가 되어 왔다. 이번 벤치마크 수립으로 FHE 기술의 실용성을 객관적으로 평가하고, 다양한 AI 응용 분야에서 요구되는 성능 수준을 명확히 할 수 있게 되었다.

특히 바이브 코딩(Vibe Coding) 등 AI 자동 코드 생성 환경에서도 FHE 기술의 중요성이 커지고 있다. ChatGPT, GitHub Copilot 등 AI 코딩 도구가 개발자의 소스 코드와 비즈니스 로직을 학습 데이터로 활용하면서 영업 비밀 유출 우려가 제기되고 있다. FHE를 적용하면 소스 코드를 암호화한 상태에서 AI 모델에 입력하여 코드 분석, 취약점 검사, 리팩토링 제안 등을 받을 수 있어 기업의 지적재산권을 보호하면서도 AI의 이점을 활용할 수 있다.

전문가 시각

ISMS-P 선임심사원 관점에서 FHE 기술은 개인정보 처리 단계에서 '기술적 보호조치'의 패러다임을 근본적으로 변화시킬 잠재력을 가지고 있다. 현행 개인정보보호법과 ISMS-P 인증 기준은 저장 데이터 암호화, 전송 구간 암호화를 요구하지만 '처리(연산) 단계 암호화'에 대한 구체적 기준은 미흡한 상황이다. FHE는 데이터 라이프사이클 전체에서 평문 노출 없이 처리할 수 있는 유일한 암호 기술로, 특히 클라우드 AI 서비스에서 고객 데이터를 서비스 제공자조차 복호화할 수 없도록 보호하는 '제로 트러스트(Zero Trust)' 아키텍처 구현에 핵심적이다.

다만 실무 도입 시 성능 오버헤드와 구현 복잡도를 고려한 점진적 적용 전략이 필요하다. 2026년 현재 FHE 연산은 평문 연산 대비 수백~수천 배 느린 것으로 알려져 있어, 전체 AI 파이프라인에 적용하기보다는 개인식별정보(PII)가 포함된 특정 입력 데이터나 민감한 추론 결과 처리 단계에 선택적으로 적용하는 하이브리드 접근이 현실적이다. 또한 바이브 코딩 환경에서 AI가 생성한 코드에 FHE 라이브러리를 자동 통합하는 경우, 암호화 키 관리 오류, 부적절한 파라미터 설정 등으로 인한 보안 취약점이 발생할 수 있어 AI 생성 보안 코드에 대한 전문가 검증이 반드시 수반되어야 한다.

CPPG·ISMS-P 연계 포인트

1. 암호화 적용 범위 확대 (ISMS-P 2.8.2 개인정보 암호화)
ISMS-P 인증 기준 2.8.2는 개인정보의 안전한 보관을 위한 암호화를 요구하지만, 대부분 '저장 시(at rest)' 암호화에 국한된다. FHE는 '사용 중(in use)' 데이터까지 암호화 보호 범위를 확장하는 기술로, 특히 클라우드 환경에서 AI 처리 과정에서도 개인정보를 평문 노출 없이 보호할 수 있어 차세대 암호화 통제의 모범 사례로 평가받을 수 있다.

2. 프라이버시 강화 기술(PET) 도입 (CPPG 개인정보 처리 단계별 보호조치)
개인정보보호 인증전문가(CPPG) 출제 기준의 '개인정보 수집·이용·제공 시 보호조치'는 최소 수집, 목적 외 이용 금지 등 법적 원칙을 다루지만, 동형암호 등 PET는 이러한 원칙을 기술적으로 구현하는 수단이다. 특히 AI 모델 학습 시 개인정보를 암호화 상태로 제공하면 '가명정보 결합'보다 강력한 프라이버시 보호가 가능하며, 2026년 개정 논의 중인 AI 기본법의 '안전한 AI 개발' 요구사항을 충족하는 핵심 기술로 자리 잡을 것으로 전망된다.