한 줄 요약

• 기간: 2025.11 (약 3주)
• 역할: 보안 파이프라인 아키텍처 설계, PII 탐지 룰셋 설계, 위험도 분석·정책 플로우 설계
• 팀 구성: 팀 AIM 5인. 본인은 n8n 파이프라인과 백엔드를 맡았다
• 수상: 대구대학교 AI·SW Agent 해커톤 경진대회 최우수상 (대구대학교 SW중심대학사업단, 2025.11.25)
• 핵심 성과:
  • 금융 보안 로그를 받아서 마스킹하고 위험도를 매기고 학습 대상까지 골라내는 파이프라인을 끝까지 돌렸다
  • 개인정보를 LLM 호출 앞에서 지우도록 순서를 고정했다. 순서를 바꾸면 원본이 외부 API 로 나간다
  • 로그의 43.3%가 볼 필요 없는 것이었고, 이걸 룰로 먼저 잘라서 LLM 호출을 줄였다
• 실제로 돌린 기록 (저장소의 backend/data/secureflow.db 를 직접 집계한 값이라 그대로 재현된다)
  • 26시간 동안 로그 12,458건 처리. log_id 중복 0
  • 위험도 Safe 7,483 / Medium 3,850 / High 1,125
  • 정규식으로 PII 가 잡힌 로그 290건 (2.3%)
  • 학습 대상 4,678건 중 4,656건 완료
  • 백업 CSV 15개를 다시 훑어서 미마스킹 주민번호·카드·전화·이메일 0건 확인

<aside> ⚠️

0건이라고 적었다가 틀린 적이 있다. 처음에는 백업 CSV 만 보고 0건이라고 썼는데, 나중에 DB 를 따로 열어 보니 meta_json 컬럼에 마스킹 전 원본이 그대로 남아 있었다. 전화번호 290건, 이메일 308건, 주민번호 형태 136건. 원본을 따로 보관하는 설계였는데 그 컬럼이 마스킹 대상에서 빠져 있었다. 지금은 같은 규칙으로 마스킹해서 0건이고 집계 수치는 그대로다. 어디까지 확인했는지를 안 적으면 0건이라는 말이 거짓이 된다는 걸 여기서 배웠다.

</aside>

정확도를 숫자로 적지 않았다. 정답이 달린 평가셋을 따로 만들지 않아서 재현율을 잴 근거가 없다.

시스템 구조

n8n 기반 AIM SecureFlow 전체 파이프라인 중 주요 워크플로우

n8n 기반 AIM SecureFlow 전체 파이프라인. 각 채널에서 유입된 데이터가 Queue → PII Detector → Policy Engine → Action Agent → Dashboard로 흐르며, 중간 단계마다 이벤트가 로깅·시각화됩니다.

AIM SecureFlow 시각 아키텍처

시스템 전체 구조를 한눈에 볼 수 있는 아키텍처 다이어그램 페이지입니다.

• Input Interceptor (채널 인입 레이어)
  • 웹 콘솔 입력, 파일 업로드, 외부 Webhook 등에서 유입되는 데이터를 인터셉트합니다.
  • 채널별 데이터를 공통 포맷으로 Normalize 한 뒤 Ingest Queue로 전달합니다.
• Ingest / Processing Queue
  • n8n 워크플로우 상에서 각 Step 간 데이터를 비동기적으로 전달합니다.
  • 제대로 된 메시지 큐는 아니다. 심사에서 지적받은 부분이고 아래 표 5번에 적어 두었습니다.
• PII Detector 노드
  • 정규식 룰셋과 키워드 사전으로 주민등록번호, 카드번호 등을 탐지합니다. (OCR 은 기획에만 있고 미구현)
  • 원본을 그대로 두지 않고 마스킹본을 따로 저장합니다.