1 데이터 서비스용 ID 및 액세스 관리 (Identity and Access Management for Data Services)

Azure 데이터 분석 플랫폼의 보안은 '누가', '무엇에', '어떻게' 접근할 수 있는지를 명확히 정의하는 것에서 시작합니다. Azure Active Directory (Azure AD)를 기반으로 역할 기반 액세스 제어 (Role-Based Access Control, RBAC)를 사용하여 사용자 및 그룹에 최소 권한 원칙을 적용해야 합니다. 또한, Azure Data Factory의 Managed Identities나 Azure Databricks의 Service Principals를 활용하여 서비스 간 안전한 인증을 구현하고, Azure Data Lake Storage Gen2와 같은 데이터 저장소에는 ACL (Access Control List)을 통해 세분화된 접근 제어를 제공하는 것이 중요합니다.

2 데이터 워크로드 네트워크 보안 (Network Security for Data Workloads)

데이터 분석 워크로드는 종종 민감한 데이터를 처리하므로, 네트워크 수준에서 격리 및 보호가 필수적입니다. Azure Virtual Network (VNet)를 사용하여 데이터 서비스를 프라이빗 네트워크 환경에 통합하고, Azure Private Endpoints를 통해 Azure Synapse Analytics, Azure Data Factory, Azure Storage 계정에 비공개로 연결함으로써 공용 인터넷 노출을 최소화할 수 있습니다. Azure Databricks의 VNet Injection 기능을 활용하여 커스텀 VNet 내에 Databricks 작업 영역을 배포하고, 네트워크 보안 그룹 (Network Security Group, NSG)으로 인바운드/아웃바운드 트래픽을 엄격히 제어하는 것이 모범 사례입니다.

3 데이터 플랫폼 보안 모니터링 및 위협 탐지 (Security Monitoring and Threat Detection for Data Platforms)

데이터 분석 환경에서 잠재적인 보안 위협을 조기에 탐지하고 대응하기 위해서는 지속적인 모니터링이 중요합니다. Azure Synapse Analytics, Azure Databricks, Azure Data Factory 등의 각 서비스에서 발생하는 진단 로그 (Diagnostic Logs)를 Azure Monitor Log Analytics Workspace로 수집하고, 이를 Azure Sentinel로 통합하여 SIEM (Security Information and Event Management) 기능을 구축해야 합니다. Azure Defender for Cloud (구 Azure Security Center)의 위협 방지 기능을 활용하여 SQL 데이터베이스, 스토리지 계정 등에 대한 이상 징후 및 취약점을 자동으로 탐지하고 권고 사항을 따르는 것이 중요합니다.

**ID 및 액세스 관리 메커니즘 비교**: Azure AD RBAC, Managed Identities, Azure Data Lake Gen2의 ACL (Access Control Lists)이 각기 다른 상황에서 어떻게 사용되고 상호 보완적인 역할을 하는지 명확히 이해해야 합니다.

**네트워크 통합 옵션 (프라이빗 엔드포인트 vs. 서비스 엔드포인트)**: Azure Private Endpoint와 Azure Service Endpoint의 차이점, 각 옵션이 제공하는 보안 수준, 그리고 어떤 Azure 서비스에 어느 옵션이 적합한지 사용 시나리오를 중심으로 파악해야 합니다.

**보안 로깅 및 모니터링 통합 아키텍처**: Azure Monitor, Log Analytics Workspace, Azure Sentinel, Azure Defender for Cloud (구 Azure Security Center)가 데이터 분석 플랫폼의 보안 운영 및 위협 탐지에서 어떻게 연동되며 각 서비스가 담당하는 역할과 책임 영역을 정확히 구분할 수 있어야 합니다.