각 반출은 정책상 ‘허용’이라 기존 DLP를 그대로 통과합니다. OWL은 이 회색지대 로그를 온프레미스 로컬 AI로 분석해 주의가 필요한 소수를 선별하고, 승인 한 번으로 정책에 반영합니다. 쌓여 있던 로그가 비로소 ‘결정’으로 이어집니다.
위험 신호는 이미 로그에 쌓여 있습니다. 다만 정책상 ‘허용’으로 통과돼 회색지대에 묻혀, 활용되지 못할 뿐입니다.
급여명세서.xlsx → 배경화면.jpg. 내용검사를 우회하지만 각 행위는 정책상 허용.
비밀번호 걸린 zip으로 검사를 무력화. 단건으로는 어떤 룰도 걸리지 않습니다.
업무 외 시간에 USB·메일·생성형AI로 조금씩. 흩어지면 아무도 못 봅니다.
탐지는 결정적 SQL, AI는 요약만 — 환각 없는 안전한 파이프라인.
9개 유출 신호를 가중치로 합산합니다. 회피가 뚜렷할수록 크고, 겹칠수록 위험 점수가 올라갑니다.
온프레미스 gemma가 “무슨 일이 있었는지”를 사람 말로 정리합니다. 데이터는 서버 밖으로 한 발짝도 안 나갑니다.
AI는 근거와 정책안까지만 제시합니다. 승인이냐 기각이냐 — 판단은 관리자의 몫. 승인하면 그 즉시 연동된 정책엔진으로 반영됩니다.
하루만 보면 눈에 띄지 않는 활동도, 한 달 단위로 보면 반복되는 패턴으로 확인됩니다. 지속성은 시간축에서 드러납니다.
AI 요약을 그대로 신뢰하기 어려울 때는, 신호 뒤의 실제 수집 로그(시각·PC·파일·개인정보)를 직접 확인할 수 있습니다.
클라우드 호출 0. 개인정보·기밀이 회사 서버를 떠나지 않습니다. 랜선을 뽑아도 그대로 동작합니다.
“이 사람 야간 USB 막아줘” 한마디면 정책안을 만들어 승인만 받습니다. 추천 조치는 원탭으로.
해자는 모델이 아니라 신호 가중치(도메인 지식)입니다. 무엇이 위험한지 아는 보안 전문성을 규칙으로 정립했고, 탐지는 결정적 SQL이 맡아 환각이 0입니다. AI는 사람이 읽기 좋게 요약하는 역할만 맡습니다.
OWL은 쌓인 로그를 로컬 AI로 활용하는 공통 레이어입니다. 피씨필터를 넘어 필터 시리즈 전체로, 나아가 타사 제품·AI 에이전트까지.
DLP 로그에서 회색지대 위험 신호를 채점·선별.
오피스키퍼·웹필터스캔·서버필터·제로다크웹까지 동일 채점 엔진으로.
표준 인터페이스로 타사 보안제품·AI 에이전트까지 연동. 온프레미스인데 개방적.