컨테이너는 클라우드 환경에서 마이크로서비스를 배포하기 위한 지배적인 가상화 기법으로 자리 잡았다. 그러나 마이크로서비스 기능에 필수적인 컨테이너 네트워킹은 흔히 상당한 오버헤드와 자원 소모를 유발하여, 마이크로서비스 성능을 저하시킬 수 있다. 이러한 문제는 컨테이너 트래픽 내에서 네트워크 가상화와 접근 제어를 담당하는 소프트웨어 기반 네트워크 데이터 플레인의 복잡성에서 기인한다. 이 문제를 해결하기 위해, 고성능과 보안을 우선하는 새로운 하드웨어 기반 컨테이너 네트워킹 시스템인 Hyperion을 제안한다. 스마트NICs를 활용하는데, 이는 클라우드 환경에서 흔히 사용된다. Hyperion은 네트워크 가상화와 접근 제어를 포함하는 완전 기능의 컨테이너 네트워크 데이터 플레인을 구현한다. 또한 컨테이너 환경의 잦은 변화에 대한 민첩한 대응을 위해 데이터 플레인을 동적으로 최적화할 수 있으며, 이를 통해 데이터 플레인의 최신 동작을 보장한다. 이러한 하드웨어 기반 설계는 호스트 시스템 자원에 의존하지 않고도 Hyperion이 컨테이너 네트워킹 전반의 성능을 유의미하게 향상시키도록 한다. 특히 Hyperion은 수정이 필요 없이 기존 컨테이너화 애플리케이션과 원활하게 통합된다. 평가는 최신 기술 수준의 솔루션과 비교하여 Hyperion이 HTTP 컨테이너 통신 지연과 처리량에서 각각 최대 2.25배 및 4.3배의 유의미한 개선을 달성함을 보여주었다. 또한 컨테이너 네트워킹과 관련된 CPU 사용률을 최대 4배까지 감소시킨다.

분산 SDN(Software-Defined Networking) 컨트롤러는 특히 SD-WAN 내에서 광역 네트워크(Wide Area Networks, WAN)의 핵심 요소로 빠르게 자리 잡았으며, 광범위한 네트워크 인프라에 대해 확장성과 장애 내성을 제공한다. 그러나 이러한 컨트롤러의 아키텍처는 지금까지 충분한 주목을 받지 못한 새로운 잠재적 공격 표면을 야기한다. 이러한 우려에 대응하여, 우리는 분산 SDN 컨트롤러에서 사용되는 프로토콜 내의 취약점을 발견하도록 설계된 테스트 도구인 Ambusher를 제안한다. Ambusher는 추론된 상태 기계에 기반하여 공격 시나리오를 체계적으로 탐색하는 protocol state fuzzing을 활용함으로써 이를 달성한다. 클러스터로부터 상태를 학습하는 일은 복잡하기 때문에, Ambusher는 상대적으로 단일하고 단순한 상태 기계를 추출하는 새로운 방법론을 제안하여, 효율적인 상태 기반 퍼징을 가능하게 한다. 두 개의 캠퍼스 네트워크와 하나의 엔터프라이즈 네트워크에 걸친 실제 SD-WAN 배치에서 수행된 Ambusher의 평가는, 널리 사용되는 분산 컨트롤러 플랫폼에서 6개의 잠재적 취약점을 밝혀낼 수 있음을 보여준다.

컨테이너는 클라우드 환경에서 마이크로서비스를 배포하기 위한 지배적인 가상화 기법으로 자리 잡았다. 그러나 마이크로서비스 기능에 필수적인 컨테이너 네트워킹은 흔히 상당한 오버헤드와 자원 소모를 유발하여, 마이크로서비스 성능을 저하시킬 수 있다. 이러한 문제는 컨테이너 트래픽 내에서 네트워크 가상화와 접근 제어를 담당하는 소프트웨어 기반 네트워크 데이터 플레인의 복잡성에서 기인한다. 이 문제를 해결하기 위해, 고성능과 보안을 우선하는 새로운 하드웨어 기반 컨테이너 네트워킹 시스템인 Hyperion을 제안한다. 스마트NICs를 활용하는데, 이는 클라우드 환경에서 흔히 사용된다. Hyperion은 네트워크 가상화와 접근 제어를 포함하는 완전 기능의 컨테이너 네트워크 데이터 플레인을 구현한다. 또한 컨테이너 환경의 잦은 변화에 대한 민첩한 대응을 위해 데이터 플레인을 동적으로 최적화할 수 있으며, 이를 통해 데이터 플레인의 최신 동작을 보장한다. 이러한 하드웨어 기반 설계는 호스트 시스템 자원에 의존하지 않고도 Hyperion이 컨테이너 네트워킹 전반의 성능을 유의미하게 향상시키도록 한다. 특히 Hyperion은 수정이 필요 없이 기존 컨테이너화 애플리케이션과 원활하게 통합된다. 평가는 최신 기술 수준의 솔루션과 비교하여 Hyperion이 HTTP 컨테이너 통신 지연과 처리량에서 각각 최대 2.25배 및 4.3배의 유의미한 개선을 달성함을 보여주었다. 또한 컨테이너 네트워킹과 관련된 CPU 사용률을 최대 4배까지 감소시킨다.

분산 SDN(Software-Defined Networking) 컨트롤러는 특히 SD-WAN 내에서 광역 네트워크(Wide Area Networks, WAN)의 핵심 요소로 빠르게 자리 잡았으며, 광범위한 네트워크 인프라에 대해 확장성과 장애 내성을 제공한다. 그러나 이러한 컨트롤러의 아키텍처는 지금까지 충분한 주목을 받지 못한 새로운 잠재적 공격 표면을 야기한다. 이러한 우려에 대응하여, 우리는 분산 SDN 컨트롤러에서 사용되는 프로토콜 내의 취약점을 발견하도록 설계된 테스트 도구인 Ambusher를 제안한다. Ambusher는 추론된 상태 기계에 기반하여 공격 시나리오를 체계적으로 탐색하는 protocol state fuzzing을 활용함으로써 이를 달성한다. 클러스터로부터 상태를 학습하는 일은 복잡하기 때문에, Ambusher는 상대적으로 단일하고 단순한 상태 기계를 추출하는 새로운 방법론을 제안하여, 효율적인 상태 기반 퍼징을 가능하게 한다. 두 개의 캠퍼스 네트워크와 하나의 엔터프라이즈 네트워크에 걸친 실제 SD-WAN 배치에서 수행된 Ambusher의 평가는, 널리 사용되는 분산 컨트롤러 플랫폼에서 6개의 잠재적 취약점을 밝혀낼 수 있음을 보여준다.

5세대( $ abla abla\mathbf{5G}$ ) 모바일 네트워크는 현대 디지털 인프라의 엄격한 성능, 확장성, 유연성 요구를 충족하기 위해 컨테이너화된 마이크로서비스와 다중 인터페이스 구성을 점점 더 많이 활용하고 있다. 이러한 아키텍처는 모듈화된 고성능 배치를 가능하게 하지만, 특히 NGAP, PFCP, GTP-U와 같은 제어- 및 사용자-플레인 프로토콜을 포착하는 데 있어 종단 간 가시성 확보에서는 중대한 과제를 야기한다. 기존 모니터링 솔루션은 주로 HTTP 트래픽에 최적화되어 있으며, 사이드카 기반 서비스 메시에 의존하는 경우가 많아, Multus CNI에 의해 프로비저닝된 보조 가상 인터페이스를 경유하는 트래픽이 발생하는 멀티 클러스터 환경에는 적합하지 않다. 본 연구에서는 클라우드 네이티브 5G 환경에서 프로토콜 인지 기반 가시성을 가능하게 하는 eBPF 기반 관측성 프레임워크인 Reotina를 제안한다. Reotina는 커널 내(in-kernel) 인터페이스 수준 트래픽 인트로스펙션을 수행하고 패킷 데이터를 Kubernetes 컨텍스트로 보강하며, 여러 인터페이스와 클러스터 전반에서 투명하게 동작한다. 프로토콜 이벤트를 워크로드 정체성(workload identity)과 상호 연관함으로써 성능 분석과 운영 인사이트를 위한 구조화된 텔레메트리를 지원한다. 우리는 Kubernetes 기반 멀티클러스터 free5GC 테스트베드에서 Reotina를 평가하였으며, 이때 클러스터 간 세션 재구성에서 CPU 오버헤드 2% 미만과 지연 시간 1밀리초 미만으로 NGAP, PFCP, GTP-U 트랜잭션에 대한 완전한 커버리지를 달성하였다. 이러한 결과는 Reotina가 프로덕션 수준 5G 시스템을 위한 확장 가능하고 저오버헤드의 관측성을 제공하며, 기존 모니터링 솔루션의 핵심 한계를 효과적으로 해결함을 보여준다.

이 논문은 5G 코어 네트워크 제어 평면을 종합적으로 평가하기 위해 설계된 자동화된 보안 평가 프레임워크인 TELEscope를 제시한다. 전통적인 통신 프로토콜에서 서비스 기반 아키텍처(Service-Based Architecture, SBA)의 HTTP/2 기반 서비스 기반 인터페이스(Service-Based Interfaces, SBI)로의 전환은, 기존의 사용자 평면 지향(User Plane-Oriented) 접근법이 해결하지 못하던 새로운 보안 과제를 야기하였다. TELEscope는 발견(discovery) 기반 방법론을 채택하여 네트워크 토폴로지를 자동으로 매핑하고, SBI 취약점을 분석하며, 템플릿 기반 보안 시나리오를 실행함으로써 다양한 배치 환경 전반에서 네트워크 기능 관리 결함과 운영상 잘못된 설정을 체계적으로 평가할 수 있게 한다. 가장 널리 사용되는 오픈 소스 5G 코어 구현체 중 하나인 Open5GS v2.7.1에 TELEscope를 적용한 결과, 기본 구성(default configurations) 하에서 7가지 시험 시나리오 모두에서 권한 없는 네트워크 기능 등록, 가입자 인증 데이터의 노출, 그리고 다수의 서비스 거부(denial-of-service) 공격 벡터를 포함하는 중대한 취약점이 드러났다.

컨테이너 및 VM 워크로드는 현대 환경에서 빈번히 공존하지만 서로 다른 네트워킹 아키텍처에서 동작한다. 컨테이너는 네트워크 네임스페이스, veth 쌍, iptables에 의존하는 반면, VM은 TAP 장치 및 Linux 브리지를 통해 연결되는 가상 NIC를 사용한다. 이러한 차이는 두 가지 핵심 문제를 초래한다. 첫째, 워크로드 간 네이티브 서비스 디스커버리가 부재하다. 둘째, 비효율적인 통신 경로로 인해 수동 설정이 필요하거나 여러 개의 중복 계층을 통과해야 하며, 이로 인해 지연(latency)과 처리 오버헤드가 발생한다. 본 연구에서는 커널 네트워킹 경로에서 패킷을 초기에 가로채고 엔드포인트 간에 직접 포워딩 채널을 설정함으로써 VM-컨테이너 간 통신을 가속하는 eBPF 기반 시스템 ClariNet을 제안한다. 컨테이너와 VM 엔드포인트 메타데이터의 단일한 관점(unified view)을 유지함으로써 ClariNet은 서비스 메시 프록시나 외부 레지스트리 없이도 즉각적인 포워딩 결정을 가능하게 하며, 패킷 처리 단계를 8개 초과에서 3개로 감소시킨다. 운영 환경의 혼합 VM/컨테이너 배치에서 수행한 평가는 ClariNet이 처리량을 10.4% 향상시키고, 기본 네트워킹 경로에 비해 모든 백분위 구간에서 지연을 유의미하게 낮추는 것을 보여주며, 워크로드 간 통신 비효율을 해결하는 데 있어 효과적임을 입증한다.

현대의 마이크로서비스 아키텍처는 빠르게 진화하며, 문서화되지 않은 엔드포인트와 복잡한 서비스 간 의존성을 도입하여 전통적인 모니터링 시스템이 감당할 수 있는 범위를 넘어 공격 표면을 확장한다. 정적 명세와 거친 이상 탐지 임계값에 기반한 기존 해결책은 공격자들이 은밀한 비즈니스 로직 공격을 수행하기 위해 악용할 수 있는 사각지대를 남기며, 그 결과 탐지되지 않은 침해, 과도한 오탐 경보, 효과적인 사고 대응을 위한 불충분한 맥락이 발생한다. 본 연구에서는 런타임 행위 분석 프레임워크 Shepherd를 제시한다. Shepherd는 적응형 드리프트 탐지를 통해 운영 환경에서 의심스러운 API 흐름을 탐지하며, 구조적 추론을 위한 그래프 어텐션 네트워크와 변환기 기반 의미 분석을 결합한 이중 경로 파이프라인을 사용한다. Shepherd는 이상한 서비스 상호작용과 의미 위반을 강조하는 이중 수준의 설명으로 경보를 보강하여, 더 빠르고 신뢰성 높은 신속 분류(triage)를 가능하게 한다. 벤치마크 시스템과 실제 환경 트레이스에 대한 평가는 Shepherd가 7%의 오탐률로 87–93%의 탐지 정확도를 달성하면서, 최신 기술 대비 지연 오버헤드를 최대 43%까지 감소시킴을 보여주며, 현대 마이크로서비스를 위한 실용적이고 정밀한 API 보안 모니터링을 제공한다.

서비스 메시(Service mesh)는 클라우드 환경에서 마이크로서비스를 가능하게 하는 데 필수 요소가 되었으나, 상당한 네트워크 오버헤드를 함께 도입한다. 특히 외부 트래픽의 주된 진입 지점인 인그레스 게이트웨이(ingress gateway)는 CPU 집약적인 트래픽 분석과 여러 네트워크 스택 계층을 거치는 긴 포워딩 경로로 인해 주요 성능 병목으로 부상하였다. 우리의 분석에 따르면 이러한 비효율성은 네트워크 처리량을 4배까지 감소시키고 CPU 자원 소비를 증가시킬 수 있다. 이에 대응하여 우리는 Smart-NIC을 활용하여 고성능 트래픽 분석과 효율적인 트래픽 라우팅을 수행하는 하드웨어-소프트웨어 하이브리드 인그레스 게이트웨이인 HardMesh를 제안한다. 이 과정은 트래픽 관리를 위한 경량의 CPU 기반 프록시(lightweight CPU-based proxy)로 보강된다. 평가는 HardMesh가 기존 인그레스 게이트웨이보다 우수함을 보여주며, 동일한 범위의 트래픽 관리 서비스를 제공하면서 최대 4.4배 더 높은 처리량을 달성한다.

Kubernetes 위에 구축된 클라우드 네이티브 인프라는 배포와 운영을 가속하지만, 전통적인 방어 체계를 넘어 실행(런타임) 공격 표면을 확장한다. 런타임 보안 솔루션은 커널 및 오케스트레이션 계층에서 세분화된 정책을 강제하지만, 이질적인 스키마와 급속히 진화하는 워크로드로 인해 정책 작성은 여전히 복잡하다. 기존 자동화 접근은 주로 네트워크 규칙이나 syscal l 수준 seccomp 프로파일에 집중되어 있으며, 시스템 수준 런타임 정책은 탐구되지 않았다. 본 연구는 대규모 언어 모델을 사용하여 파일, 프로세스, syscal l 인지 런타임 보안 정책을 자동화하는 최초의 프레임워크인 KubeScribe를 제시한다. KubeScribe는 런타임 로그 분석을 LLM 기반 합성과 통합하고, 안전한 배포를 보장하기 위해 이중 검증(CRD 스키마와 리소스 수준 점검)을 적용한다. KubeArmor, Tetragon, Cilium에 대한 평가 결과, 컴파일 성공률이 10% 미만에서 66% 이상으로 향상되었으며, 커버리지는 90%를 초과했다. 또한 BLEU, ROUGE, METEOR 지표에서 상당한 개선이 관찰되었다. 이러한 결과는 KubeScribe가 Kubernetes 환경에서의 자동화된 런타임 보안으로 이어지는 실용적이고 일반화 가능한 경로를 제공함을 보여준다.