증거. 레이어를 뒷받침하는 증거.

망분리(air-gapped) 환경에서는 외부 LLM을 전혀 사용할 수 없었고, 기밀 컨텍스트 노출에 대한 우려가 AI 도입을 전면 차단했습니다.

LLM Capsule은 민감 컨텍스트를 로컬에서 캡슐화합니다 — 원본이 아닌 보호된 캡슐만 외부 LLM이 처리하고, 결과는 경계 내부에서 로컬로 복원됩니다. 원본 기밀 컨텍스트는 절대 경계를 넘지 않으며, N2SF 가이드라인에 부합합니다.

민감 컨텍스트는 처리 전에 로컬 대체값으로 치환되고 처리 후 로컬에서 복원됩니다 — 원본 데이터는 엔클레이브를 벗어나지 않습니다.

모든 캡슐화/복원 이벤트가 로컬에 기록되므로, 처리된 요청은 경계 내부에서 복원하고 검사할 수 있습니다.

개인 정보 및 기밀 정보가 담긴 계약서, 인사 기록, 고객 파일 등 내부 문서는 요약이나 검색을 위해 ChatGPT, Claude, Gemini로 전송할 수 없었습니다. 보안팀이 이를 차단했습니다.

LLM Capsule은 요청이 외부 LLM에 도달하기 전에 개인 및 기밀 필드를 로컬에서 탐지·치환한 다음, 응답에서 원본 값을 복원합니다 — 그래서 직원들은 원본 데이터가 조직을 벗어나지 않고도 내부 문서를 요약하고 질의할 수 있습니다.

LLM Capsule 게이트웨이가 내부 도구와 외부 LLM 사이에 배치되었습니다. 탐지는 이름, 연락처, 신분증 번호, 계좌/계약 식별자를 포괄했으며, 원본 값은 로컬 토큰 볼트에 남았습니다.

각 요청의 치환은 로그로 남고 고정된 릴리스 상태에 바인딩되므로, 특정 문서 Q&A 실행을 감사를 위해 복원할 수 있습니다.

모델 검증에 필요한 실제 환자 기록은 규제 제약으로 인해 접근할 수 없었습니다. 검증 파이프라인이 멈췄습니다.

실제 분포 특성과 일치하면서도 실제 식별 가능 정보를 포함하지 않는 차분 프라이버시 안전(DP-safe) 대체 기록이 검증 파이프라인의 차단을 해제했습니다.

접근할 수 없는 실제 기록이 DP-safe 등가물로 대체되었습니다. 데이터 분포는 유지되고, 규정 준수 검토를 통과했으며, 검증 파이프라인은 수정 없이 재개되었습니다.

대체 데이터셋은 버전 관리되고 고정된 데이터 상태에 바인딩되므로, 검증 실행은 필요할 때 동일한 분포로 재현할 수 있습니다. 감사 추적은 전 과정에 걸쳐 유지됩니다.

OT/ICS 네트워크 데이터는 민감한 운영 세부 정보를 담고 있어, 자동 위협 분석을 위해 외부 AI로 전송할 수 없었습니다.

구조 보존 비식별화를 통해 AI 에이전트가 네트워크 데이터를 분석하고 위협 관련 질문에 답할 수 있습니다 — 민감한 값은 대체값으로 치환되고 관계는 유지됩니다. (글로벌 OT 보안 플랫폼의 탐지 솔루션과 통합됨.)

네트워크 데이터의 민감 필드는 치환되지만 토폴로지와 관계는 그대로 유지되므로, 에이전트는 현실적인 컨텍스트를 기반으로 추론할 수 있습니다.

비식별화된 데이터셋과 에이전트의 분석은 고정된 데이터 상태에 바인딩되므로, 동일한 분석을 재실행하고 검증할 수 있습니다.

민감한 집계 통계를 내보내는 사용자는 수동으로, 창구별 비식별화와 릴리스 검토를 거쳐야 했습니다 — 일관성이 없고 감사가 어려웠습니다.

창구별 비식별화 모듈과 멀티 에이전트 파이프라인이 집계 데이터 내 개인 정보를 탐지·추적·비식별화하여, 릴리스 검토 프로세스를 자동화하고 표준화합니다.

Release State는 비식별화 전후의 데이터를 지문화하므로, 어떤 기록이 — 그리고 어떻게 — 변환되었는지 감사를 위해 추적할 수 있습니다.

이전 릴리스는 바인딩된 Release State에 대해 재생할 수 있어, 규제 검사를 위해 심사 프로세스를 재현합니다.