01. IoT시장의 발전과 AIoT의 등장 배경

스마트 홈, 스마트 그리드, 스마트 시티, 스마트 팩토리 등 스마트X(SmartX) 에코시스템의 기술적·사회적 발전으로 사회 인프라의 편의성과 효율성, 지능화가 극대화될 수 있었다. 이러한 변화의 결정적인 트리거는 단연 사물인터넷(IoT, Internet of Things)이라 할 수 있다. 공공·민간·국방·교육 등 다양한 산업 분야에서 발생하는 공간, 위치, 온도, 초음파 등의 변동정보를 수집하여 저장, 처리, 공유, 활용할 수 있는 초연결 생태계가 조성되었다. 센싱 기술의 높은 기술 성숙도와 표준화를 통해 사회 인프라 전반의 보편화 및 자동화가 가능해지면서 사물인터넷 시장의 급격한 성장의 촉매제가 되었다.

[그림 1]과같이 IoT 분석업체인 IoT Analytics에서 발표한 자료에 따르면 2023년 기준 238빌리언달러(한화 약 318조 2060억 원)로 예측되던 시장 점유율은 2027년 기준 483빌리언달러(한화 약 645조 7710억 원)에 육박하며 2배가량의 성장률이 예상된다. 사물인터넷 시장의 성장은 효율적인 인프라 관리와 효율성 및 사용자 니즈에 최적화된 맞춤형 서비스를 제공할 수 있는 초석이 되기 때문에 파괴적인 비즈니스 생태계 확장을 의미하기도 한다.

단말형 센싱 디바이스에 머물던 초기의 IoT 기술은 통신 기술이 결합하면서 데이터 송수신이 가능한 연결형 IoT로 발전하였다. 현재는 클라우드, 블록체인, 인공지능, 디지털 트윈, 5G/6G 등의 신기술이 결합된 자율형 IoT를 지향하고 있다. 자율형 IoT로의 기술발전은 단순 데이터 수집 형태를 벗어나 데이터를 통한 업무 효율화 및 자동화로 인한 의사결정을 목적으로 한다. 따라서 IoT를 통해 새로운 관점의 인사이트를 도출하기 위해서는 인공지능이 결합된 AIoT기술이 필수적이다. 이에 따라 이번 호에서는 AIoT의 기술 발전과 이에 따른 보안 이슈의 문제점 및 대응 방안을 살펴보고 향후 국내 AIoT 활성화를 위한 국내외 정책 동향을 살펴보고자 한다.

02. AIoT의 개요 및 주요 기술

1) AIoT의 개요

AIoT(Artificial Intelligence of Things)는 사물인터넷인 IoT(Internet of Things)와 인공지능(Artificial Intelligence)이 결합한 단어로, 사물인터넷을 통해 수집된 데이터를 인공지능이 분석하는 융합 기술이다. AIoT라고 해서 단순히 인공지능 기술만 필요하다고 생각하기 쉬우나, AIoT를 통한 효율성과 자동화를 구현하기 위해서는 5G/6G, 빅데이터, 블록체인, 클라우드 등의 기술이 결합해야 한다. 이에 따라 AIoT는 4차 산업혁명을 촉발하는 신기술에서 보이는 공통적인 특징인 초연결성(Hyperconnectivity), 초지능성(Superintelligence), 초융합성(Hyperconvergence)을 띄고 있다.

앞에서도 잠깐 설명하였지만, IoT 기술은 [표 1]과 같이 3단계로 발전되었다. 1단계인 연결형 IoT(Connectivity IoT)는 사물-사물, 사람-인간 등의 연결이 주 목적이라면, 2단계인 지능형 IoT(Intelligence IoT)에서는 클라우드나 인공지능 기술을 결합하여 데이터 기반의 의사결정을 지원한다. 마지막 3단계인 자율형 IoT(Autonomy IoT)는 융합 기술을 이용한 분산 협업과 사물의 지능화를 통해 유연한 의사결정을 추구한다.

자율형 IoT는 용도와 목적에 따라 △ 24시간 무중단 운영으로 이상 감지나 대응을 목적으로 제조 및 운송 등의 산업 분야에 최적화된 산업용 IoT(IIoT, Industrial Internet of Things), △ 대규모 데이터 수집 후 머신러닝이나 인공지능으로 분석 및 활용하는 AIoT(Artificial Intelligence of Thing), △ 의료기기 정보나 건강관리 기능을 연계해 의료 데이터를 관리하는 IoMT(Internet of Medical Things), △ 질병 예방 및 건강 강화를 위한 목적으로 건강관리 서비스를 제공하는 IoHT(Internet of Health Things)의 4가지로 분류된다. 자율형 IoT를 구현하기 위해서는 [표 2]와 같이 서비스, 플랫폼, 네트워크, 디바이스 등의 기술 스택에 따른 세부적인 구현 기술들이 적용된다.

2) AIoT 주요 기술

AIoT은 [그림 2]와 같이 IoT의 기술 요소와 AI의 기술 요소가 상호 보완적인 형태로 결합한다. IoT환경을 살펴보면 환경 정보나 동작 정보 등을 수집할 수 있는 센싱 디바이스 기술과 수집된 데이터를 전송할 수 있는 유무선 네트워크 기술로 구현된다. AI환경에서는 IoT환경에서 수집된 데이터를 클라우드나 서버로 전송된 빅데이터를 머신러닝이나 인공지능을 통해 분석하게 된다. IoT에 적용되는 AI 또한 단순한 M2M(기계 간 통신 장치) 방식에서 딥러닝을 통해 만들어진 AI 지능이 적용된 클라우드 컴퓨팅, 포그 및 에지 컴퓨팅으로 발전했고 나아가 IoT 기기가 직접 의사결정을 지닐 수 있는 인텔리전스 센싱 디바이스까지 발전되고 있다.

[그림 2]의 AIoT 기술 아키텍처에서 특히 주목해야 하는 것은 에지 컴퓨팅(Edge Computing) 기술이다. 인간의 개입이 최소화된 자율적인 의사결정을 목표로 하는 지능형 IoT나 자율형 IoT로 발전되기 위해서는 대규모 데이터 분석을 통한 인사이트 도출이 필요하다. 기존의 온프레미스 환경은 유연한 자원확보가 어렵기 때문에 대규모 데이터를 수집하고 가공하여 활용하기 위해서는 중앙집중형 데이터 운영모델이 아닌 분산형 데이터 운영모델을 구현해야 한다.

온프레미스나 중앙 클라우드 데이터 센터와 같은 중앙집중형 데이터 운영모델의 경우 중앙으로 데이터를 송수신하는 비용 증가나 속도 저하로 인한 서비스 지연 이외에도 컴플라이언스, 거버넌스, 프라이버시 등의 문제를 야기할 수 있다. 따라서 지능형 IoT나 자율형 IoT를 구현하기 위해서는 근거리에 구축할 수 있는 에지 컴퓨팅을 통해 분산형 데이터 운영모델을 구현하여 문제를 해결할 수 있다. 자율형 IoT는 인텔리전스 센싱 디바이스와 에지 클라우드를 통한 분산형 데이터 운영모델을 통해 사물 간의 상호 협업 의사결정을 수행할 수 있기 때문에 특히 AIoT에서는 에지 컴퓨팅이 굉장히 중추적인 역할을 수행하게 된다.

AIoT의 핵심적인 기술 요소인 에지 컴퓨팅에 대해서 보다 자세히 알아보자. 에지 컴퓨팅은 [그림 3]과같이 IoT 기기에서 발생한 대량의 데이터를 단독 클라우드 서버에서 처리하지 않고 클라우드 서버와 IoT 디바이스 사이에 에지 컴퓨팅 서버를 위치시켜서 실시간 데이터 분석 등의 업무를 수행시켜 단독 서버 구조의 처리로 인한 서비스 지연 및 대역폭 문제를 최소화할 수 있는 기술이다. IoT 디바이스를 제어하며 실시간 의사결정을 수행하는 중간자 역할이라고 이해하면 된다. 에지 컴퓨팅은 1990년대 후반 아카마이(Akamai)가 웹사이트 성능과 속도를 개선하기 위해 도입한 CDN(콘텐츠 전송 네트워크)의 개념에서 출발한 것으로 여러 개의 분산된 CDN 서버를 구축하여 사용자와 근거리에 있는 CDN 서버에서 데이터가 전송될 수 있게 하면서 데이터 지연을 최소화하고 서비스 부하를 감소시키는 역할을 수행하게 된다. 최근에 OTT 서비스가 즉각적인 동영상 스트리밍이 가능한 것도 이와 같은 구조를 사용하기 때문이다.

에지 컴퓨팅을 통해 데이터가 처리된다고 항상 좋은 결과를 도출하는 것은 아니다. 분석 결과에 직접적인 영향을 미치는 중요한 데이터가 서버에 도달하지 않고 에지 컴퓨팅 영역에서 자체적인 판단에 의해 삭제될 수 있기 때문이다. 이러한 문제를 해결하기 위해서 도입된 것이 바로 포그 컴퓨팅(Fog Computing)이다. 에지 컴퓨팅에서는 불필요하다고 판단되는 데이터를 클라우드와 에지 컴퓨팅 사이에 구성하여 포그 컴퓨팅에서 전송받은 데이터를 현지화된 학습모델이 기안하여 추가 분석을 통해 분석 결과에 미칠 수 있는 중요 데이터를 필터링해 빠른 결과 도출이 가능하게 된다.

지금까지의 설명을 정리하면 클라우드 서버의 데이터 부하 감소 면에서 에지 컴퓨팅과 포그 컴퓨팅이 유사한 개념이라고 볼 수 있으나 자세히 살펴보면 다른 개념이다. [표 3]과 같이 에지 컴퓨팅이 포그 컴퓨팅에 비해 낮은 확장성을 갖고 있으며 비용 역시 에지 컴퓨팅이 훨씬 높은 것을 알 수 있다. 비용적인 측면을 고려하여 에지 컴퓨팅을 포그 컴퓨팅으로 대체할 수 있다고 생각할 수 있으나 데이터 처리가 주목적인 에지 컴퓨팅을 완벽하게 대체할 수 없기 때문에 일반적으로 에지 컴퓨팅과 클라우드를 조합한 구성으로 사용하고 있으며, 목적에 따라 포그 컴퓨팅을 적용하여 사용할 수 있다.

03. AIoT 보안 동향

1) AIoT의 주요 활용 분야

AIoT는 초연결성, 초지능성, 초융합성의 특징을 통해 사회 전반에 걸쳐 적용할 수 있다. [표 4]와 같이 제조, 물류 등 IoT 생태계를 적용 중이라면 인공지능과 결합함으로써 작업자의 위험 행위를 학습하여 작업자의 안전을 도모하거나 부족한 의료 자원으로 인해 발생하는 의료 공백 현상의 극복이나 수요 응답형 교통 시스템을 통한 교통 소외지역에 이동권을 확보하는 등 각 사회계층에 부족한 점을 충족할 수 있다. 하지만 AIoT의 범용성으로 인한 역기능도 존재한다. 다음 장에서는 AIoT의 범용성으로 인해 발생할 수 있는 보안 이슈에 대해 살펴보도록 하겠다.

2) AIoT의 주요 활용분야에 따른 보안 위험성

[표 5]는 사회생활 전반에 AIoT 기술이 적용되며 발생하는 보안 위협에 대해 정리한 표이다. 기술 영역 전체에서 기밀성, 무결성, 가용성을 침해할 수 있는 보안 위협이 존재함을 알 수 있다. 단순히 IoT 만의 보안 위협이 아닌 AIoT 기술이 적용되는 모든 곳에 연쇄적인 문제를 일으킬 수 있는 것이다.

AIoT는 IoT와 결합한 인공지능, 빅데이터 등과 관련된 보안 위협과도 밀접한 관련이 있다. [그림 4]와 같이 사물인터넷을 통해 수집된 데이터를 인공지능으로 분석하는 과정에서 발생할 수 있는 학습 데이터 위·변조, 오동작 유도, AI 시스템 보안 취약점 해킹이 대표적 보안 위협이다. 이것은 IoT에 대한 보안 대책뿐만 아니라 IoT와 결합한 기술에서 발생할 수 있는 위협도 고려할 필요가 있다는 결론을 내릴 수 있다.

지금까지의 설명을 토대로 AIoT가 적용된 사회 전반에 걸쳐 발생할 수 있는 보안 위협과 결합된 기술에서 부작용에 대한 대응 준비는 어떻게 되고 있는지 확인해 보았다. [그림 5]는 KISA에서 발간한 ’KISA Insight 2022 Vol.05 지능형 IoT 사회의 보안이슈 분석’에서 실시한 IoT의 현재·미래 위험도와 대응 준비도 평가 결과이다. 결론적으로 공급자(시스템, 기기·인프라, 데이터, 네트워크)와 이용자(서비스 이용)에 대한 현재, 미래 위험도에 비해 대응 준비도가 보통(3점) 수준에 못 미치는 것으로 확인됐다. 하지만 고도화된 기술에 따른 복잡성과 적용 분야 환경마다 다른 보안 대응 방안을 마련하기 쉽지 않을 것이다. 이에 따라 AIoT에 적용할 수 있는 보안 대응 방안이 무엇이 있을지 살펴보고자 한다.

3) AIoT의 보안 대응 방안

공격의 시작점으로 자산으로 접근하기 위한 데이터의 시작점인 엔드포인트(Endpoint)가 주요 공격 대상이 되는 경우가 있다. 이처럼 AIoT의 보안 대응도 엔드포인트(Endpoint) 영역인 디바이스 영역에 중점을 둘 필요가 있다. [표 6]은 IoT 기기에 적용할 수 있는 중요 데이터의 격리와 암호화, 무결성 보장이 가능한 보안 대응 방안이다. 중요 데이터를 보호함으로써 네트워크 영역으로 전송되는 데이터의 위·변조와 탈취를 방지할 수 있다.

IoT 기기에 지원되는 기능 여부에 따라 선택 적용할 수 있으며 오픈소스인 RISC-V를 통해 원하는 방향대로 보안 기능을 구현할 수 있다. 이와 더불어 관리적 보안 대응 방안으로 내부 IoT 기기에 대한 현황 파악과 계정 관리, 보안 패치 등에 관한 내부 관리 지침을 작성하여 관리한다면 더 안전하게 구성할 수 있을 것이다. 또한 안전한 디바이스 영역을 구성함으로써 IoT와 결합한 기술에서 발생하는 부작용도 예방할 수 있을 것이다.

1) 매인 프로세스 내 별도의 독립된 보안 영역이 제공되는 안전한 실행 환경 2) 실행영역에서 일반 영역(REE)과 보안영역(TEE) 을 분리하는 기술 3) 특정 애플리케이션 코드 및 데이터를 메모리 내 격리하는 HW 기반 메모리 암호화 4) 암호키, 패스워드, 디지털 인증서 등을 안전하게 저장하는 보안 모듈

5) 애플리케이션을 안전하게 호스팅하고 암호화 데이터 저장 및 변조 방지가 적용된 칩 6) ISA를 지원하는 TEE 구조이며 모든 도메인을 격리하는 제로 트러스트 모델을 사용 7) PMP(물리적 메모리 보호) 기능을 이용해 응용프로그램 간 메모리 격리 기능제공 가능 8) 하드웨어 암호 모듈 추가, 메모리 무결성 보장 가능

04. AIoT 국내외 동향 및 향후 발전 방향

1) AIoT 국내 동향

사물인터넷의 확산으로 인한 무차별적인 개인정보 수집 및 해킹의 위험 등이 존재하지만 여전히 사물인터넷은 매력적인 비즈니스 성장 동력이다. 이에 따라 국내에서도 사물인터넷의 기술 발전을 넘어 AIoT 생태계 확산 및 글로벌 기술 선도를 위한 목적으로 지역 연계 및 생산성 혁신을 위한 주요 과제를 선정하고 정책 및 기술적인 지원을 확대하고 있다.

과학기술정보통신부에서는 코로나19 경제 위기를 극복하고 경제·사회 전반의 디지털 대전환을 위해 추진 중인 ‘국가 혁신 프로젝트’인 ‘디지털 뉴딜’의 일환으로 2023년 추진과제를 발표하였다. AIoT와 같은 지능형 사물인터넷 기술의 확산 및 고도화를 위한 목적으로 국민이 직접적으로 성과를 체감할 수 있도록 지역연계 국민체감 과제 3가지와 선도적인 비즈니스 모델 발굴을 위해 지능형 사물인터넷 적용 확산을 위한 플래그십 프로젝트를 본격적으로 추진한다고 밝혔다. 이를 위해 140억을 투자하여 국민체감과제 3개와 생산성 혁신을 위한 선도 서비스 4개를 확정하여 지능형 사물인터넷 선도 국가를 위한 마중물 역할을 도모하고 있다.

이외에도 생활밀착형 지능형 사물인터넷(AIoT) 과제 5개와 사회문제 해결형 지능형 사물인터넷(AIoT) 과제 7개를 포함한 12개의 대표적인 과제에 2022년부터 85.5억을 투자하여 대규모 재정투자와 제도 개선을 병행하여 실효성 있는 지능형 사물인터넷 생태계 구축을 위한 노력을 지속하고 있다. 정부의 적극적인 투자로 민간 참여 확대를 통한 생태계의 선순환 사이클을 통해 융합산업을 통한 생산성 증가 및 국민 삶의 질 향상을 위한 기반으로 작용할 수 있게 될 것이다.

2) AIoT 해외 동향

지능형 사물인터넷 확산을 위한 국내 정부 정책지원 및 투자를 해외에서도 동일하게 나타나는 현상이다. 정보통신기획평가원에서 발간한 ICT RnD 기술 로드맵 2025 보고서에 따르면 미국, 일본, 유럽, 중국 등 주요국에서도 AIoT의 글로벌 시장 경쟁력 확보를 위해 산업별 도메인에 최적화된 지원을 확대하고 있다. 생태계 확산을 위한 규제 완화 및 사회문제 해결을 통한 직접적인 성과 관리를 위한 노력 이외에도 기술 우위를 확보하기 위한 지능형 사물인터넷의 기반기술 연구 및 투자를 확대하고 있다. 이와 같은 전 세계적인 기조를 토대로 AIoT를 포함한 지능형 사물인터넷 시장이 국가 기반 산업의 핵심적인 생태계로 자리 잡고 있다는 것을 알 수 있다.

3) AIoT 향후 발전 방향

AIoT를 포함한 지능형 사물인터넷 생태계의 성숙도가 향상되기 위해서는 몇 가지를 고려해야 한다. 과학기술정보통신부에서 발간한 ‘2020년 사물인터넷 산업 실태조사 결과’에 따르면 국가 통계 포털에 등록된 ICT 제조업/서비스업 총 종사자 수인 1,855,852명에 비해 IoT 개발자 인력은 54,207명으로 ICT 제조업/서비스업에 대비하여 3%에 해당하는 수치로 확인되었다. 2020년 자료임을 감안하더라도 2020년 기준으로 전년 대비 1,699명이 증가한 수치라서 지능형 사물인터넷의 생태계 발전 전망을 감안하면 현저히 낮은 수치라는 것을 알 수 있다. 이와 같은 개발자 수치는 생태계의 성숙도 및 향후 발전 방향에 영향을 미치기 때문에 비즈니스 시장이 확장하기 위해서는 인력의 한계가 있다고 볼 수 있다.

사물인터넷 관련 사업 수행 시 발생하는 애로사항을 집계한 결과에서도 이와 같은 문제점이 나타나고 있다. △ 사업 추진 자금의 부족, △ 정부의 정책적 지원 미비, △ 불확실한 시장성 순으로 집계된 결과를 통해서 국내 지능형 사물인터넷 시장의 성장을 위해서는 정부의 규제 완화 및 샌드박스 적용 대상 확대를 통한 정책지원과 더불어 투자모델 확산을 위한 실증사례 확대 및 전문 인력 양성의 지원이 필요하다.

[표 10]은 2023년 2월 정보통신기획평가원에서 발표한 ‘2021 ICT 기술 수준 조사 및 기술경쟁력 분석 보고서’를 토대로 사물인터넷의 기술 수준 향상을 위한 방안을 정책적 관점, 기술적 관점, 사회적 관점에 따라 재구성한 내용이다. 공통적인 결과를 도출해 보면 사물인터넷의 기술 향상을 통한 자율형·지능형 사물인터넷을 위해서는 제도 신설 및 완화, 사물인터넷 확산을 위한 기반 인프라 구축, 인재 양성 등이 중요한 것으로 나타나고 있다.

[표 11]은 자율형 AIoT 4개의 기술 영역에 대한 발전 방향을 발췌한 것이다. AIoT 기술 아키텍처에서도 살펴봤듯 이전엔 수집된 데이터를 인간의 개입으로 처리하거나 지능형 IoT 플랫폼을 통한 중앙 집중형 데이터 운영 모델을 사용했다면 이후에는 분산형 데이터 운영모델을 사용해 사물 중심의 상호 협업 의사결정과 실시간 자율 대응 서비스가 가능한 자율형 IoT 플랫폼으로 나아갈 것이다.

05. 결론

지금까지 IoT와 인공지능이 결합한 AIoT 기술의 발전 현황과 이에 따른 보안 이슈의 대응 방안 그리고 AIoT 진흥과 발전을 위한 국내외 정책 동향에 대해서 알아보았다. AIoT의 사회 전반을 아우르는 넓은 범용성과 이를 진흥하기 위한 국내외 대규모 지원 정책을 알 수 있었고 그에 따라 발생하는 보안 이슈와 데이터의 시작점인 디바이스 영역에 대한 대응 방안도 확인했다.

사물인터넷의 기술 성숙도 향상 및 비즈니스 모델 확산을 위해서는 원천기술 연구와 더불어 사물인터넷으로 인한 보안 이슈를 최소화하는 것이 중요하다. 도메인별 보안 모델 적용 방안을 구체적으로 식별하기 어려운 경우에는 [표 12]와 같이 한국인터넷진흥원에서 배포하고 있는 산업 도메인별 보안 모델과 해설서, 사례집을 통해서 실무 환경에 적용해 볼 수 있다.

현재까지 디지털 헬스케어, 스마트 공장, 실감 콘텐츠, 자율주행차, 스마트시티, 메타버스 등 디지털 정부를 위한 정책지원의 일환으로 다양한 산업 분야별 보안 모델이 공개되어 있기 때문에 세부적인 사항들을 참고하면 된다. 이와 같은 보안 모델 및 적용 사례들을 통해 자율형 사물인터넷과 지능형 사물인터넷의 생태계 전반의 보안 수준이 향상된다면 사물인터넷 생태계 전반의 선순환 비즈니스 모델이 정착될 것으로 기대해 본다.

06. 참고자료

1) 일상 속 IOT 활용과 남겨진 과제, 한국방송통신전파진흥원 :
https://www.kca.kr/hot_clips/vol70/sub01.html?lang=ko
2) AIoT는 IoT와 얼마나 다를까? AI 더해져 보안위협은 더 커진다, 보안뉴스 :
https://www.boannews.com/media/view.asp?idx=110214
3) [KISA Insight 2022 Vol.05] 지능형 IoT 사회의 보안이슈 분석, KISA :
https://www.kisa.or.kr/20301/form?postSeq=13&lang_type=KO&page=1#fnPostAttachDownload
4) 2020년도 ICT RnD 기술로드맵 2025 보고서, 정보통신기획평가원 : https://www.iitp.kr/kr/1/knowledge/openReference/view.it?ArticleIdx=5239&count=true
5) 2021 Global AI+IoT Developers Ecosystem White Paper ,Tuya Smart&Gartner :
https://images.tuyaus.com/rms-static/99a4c170-580e-11eb-9c90-3361d44be292-1610810529544.pdf?tyName=2021%20Global%20AI%2BIoT%20Developers%20Ecosystem%20White%20Paper.pdf
6) Ching-Han Chen, Chao-Tsu Liu, A 3.5-tier container-based edge computing architecture,Computers & Electrical Engineering,Volume 93,2021,107227, ISSN 0045-7906 :
https://doi.org/10.1016/j.compeleceng.2021.107227(https://www.sciencedirect.com/science/article/pii/S0045790621002160)
7) Difference Between Edge Computing and Fog Computing, GeeksforGeeks(Satyabrata_Jena):
https://www.geeksforgeeks.org/difference-between-edge-computing-and-fog-computing/
8) 지능형 사물인터넷 산업 동향, 정보통신기획평가원:
https://www.itfind.or.kr/publication/regular/weeklytrend/weekly/list.do
9) 지능형을 넘어 자율형으로 진화하는 사물인터넷, ETRI Insight(표준화 동향), 2021-1호 :
https://ksp.etri.re.kr/ksp/plan-report/read.htm?id=895&dataDivCd=01
10) 2020년 사물인터넷 산업 실태조사 결과, 과학기술정보통신부 :
https://www.msit.go.kr/bbs/view.do?sCode=user&nttSeqNo=3173376&pageIndex=1&bbsSeqNo=79&mId=99&mPid=74
11) 정보통신기술산업 종사자 규모별 사업체 수, 종사자 수, 국가통계포털 : https://kosis.kr/statHtml/statHtml.do?orgId=127&tblId=DT_12007_B004&vw_cd=MT_ZTITLE&list_id=115_12007_001&seqNo=&lang_mode=ko&language=kor&obj_var_id=&itm_id=&conn_path=MT_ZTITLE
12) 2021 ICT 기술수준조사 및 기술경쟁력분석 보고서, 정보통신기획평가원 :
https://www.iitp.kr/kr/1/knowledge/openReference/view.it
13) 지식플랫폼 융합 보안 가이드라인, KISA : https://www.kisa.or.kr/2060205?page=2&searchDiv=10&searchWord=&_csrf=4d59e43f-bb0a-4f59-a59a-ff006fec9dae