2026년 11월 기준으로 작성한 보안 및 인프라 엔지니어 대상 구현 예제입니다.
직원이 고객 연락처나 내부 문서를 생성형 AI에 입력할 때, 조직은 개인정보와 영업 비밀을 다루는 내부 규정에 따라 그 요청을 허용할지 판단하고 근거를 남겨야 합니다. 이를 위해서는 어떤 정보를 검사하고 어떤 조건에서 요청을 거부할지 구체적으로 정해야 합니다.
하지만 이 기준을 생성형 AI 사용에 실제로 적용하기는 쉽지 않습니다. 직원이 웹 브라우저, 데스크톱과 모바일 앱, Claude Code, Slack에서 Claude를 쓰면 웹 프록시나 엔드포인트 에이전트만으로는 모든 요청을 확인하기 어렵습니다. 주민등록번호나 사업자등록번호 같은 국내 식별자와 “대외비” 같은 사내 보안 표기는 조직이 직접 검사 기준에 넣어야 하고, 미공개 인수합병 정보처럼 번호 형식이나 특정 단어로 판단할 수 없는 정보는 문맥을 함께 봐야 합니다.
정책을 적용하는 방식도 정해야 합니다. 처음부터 엄격한 기준을 적용하면 정상 업무까지 막힐 수 있으므로, 먼저 판정 결과를 관찰하며 기준을 조정합니다. 차단을 시작한 뒤에는 사용자에게 이유를 안내하고, 감사할 때 추적할 수 있도록 판정 기록을 조직의 로그에 남깁니다.
이 글에서는 Amazon Bedrock Guardrails와 자체 규칙으로 판정하는 서버를 AWS에 구축하고, Claude Enterprise의 Inference hooks에 연결해 조직의 DLP 정책을 적용하는 방법을 소개합니다. DLP(Data Loss Prevention, 데이터 유출 방지)는 정책을 위반한 요청이 Claude 모델 추론이나 툴 실행으로 이어지지 않게 막는 것을 뜻합니다. 판정 서버(AI security server)는 주민등록번호 같은 한국 고유 식별자와 사내 보안 표기를 자체 규칙으로 먼저 확인하고, 그 결과만으로 판정이 끝나지 않으면 Amazon Bedrock Guardrails로 개인정보, 거부 주제, 프롬프트 공격을 추가로 검사합니다.
Inference hooks는 Claude Enterprise 조직의 Claude 제품에서 발생하는 검사 대상 요청에 적용됩니다. 단, Claude Platform(API)과 Amazon Bedrock을 통한 Claude 호출은 대상이 아니며, Amazon Bedrock에서 Claude를 사용하는 애플리케이션에는 Amazon Bedrock Guardrails를 직접 적용할 수 있습니다. 적용 대상 제품과 기능 상태는 Claude의 기능 개선에 따라 바뀌고 있으므로, 최신 내용은 Anthropic의 Inference hooks 문서에서 확인합니다. 구성에는 조직의 Owner 또는 Primary owner 권한이 필요합니다.
검사 대상 요청의 내용은 이미 Claude 제품에 전달된 상태이며, 검사를 위해 고객 AWS 계정의 판정 서버와 Amazon Bedrock Guardrails로도 전송됩니다. 판정 서버의 리전, 네트워크 경로, 로그 보존 정책은 고객이 직접 정합니다. 도입할 때는 Claude 제품의 데이터 처리 및 보존 정책과 함께 이 검사 경로의 처리 위치도 검토해야 합니다. Guardrails의 cross-Region 평가를 사용하면 평가가 호출한 리전이 아닌 다른 리전에서 이루어질 수 있습니다.
Inference hooks 연동 방식과 판정 서버 요구 사항
검사 대상 요청은 다음 순서로 처리됩니다.
사용자가 Claude에 프롬프트를 보냅니다.
Anthropic이 조직이 등록한 HTTPS 엔드포인트로 POST 요청을 보냅니다. 본문에는 현재 시점까지의 대화 전체(사용자 메시지, Claude 응답, 툴 호출과 결과, 첨부 파일의 추출 텍스트)가 들어 있습니다. 시스템 프롬프트나 원본 파일 바이트는 포함되지 않습니다.
판정 서버는 설정된 시간(기본 5초) 안에 HTT