AWS, 헌팅턴은행 4억 건 문서 비식별 처리 사례 공개

AWS Machine Learning Blog는 24일(현지시간) 헌팅턴은행이 4억 건이 넘는 문서에서 민감정보를 탐지하고 비식별 처리하는 대규모 자동화 체계를 AWS 기반으로 구축했다고 밝혔다. AWS는 이 사례에서 Amazon Textract, Amazon SageMaker, AWS Step Functions, AWS Lambda 등이 문서 처리 파이프라인에 사용됐다고 설명했다.

이번 사례는 금융권의 생성형 AI 도입 논의와는 결이 다르다. 고객 응대나 문서 요약보다 먼저 해결해야 하는 데이터 거버넌스와 개인정보 보호 문제를 다룬다. 헌팅턴은행은 2015년부터 축적된 온프레미스 문서 저장소를 대상으로 개인정보와 결제카드산업 보안표준(PCI) 관련 데이터를 찾아 마스킹하는 프로젝트를 진행했다.

AWS에 따르면 헌팅턴은행은 문서를 Amazon S3로 옮기는 단계에서 AWS DataSync, AWS Direct Connect, AWS Key Management Service를 활용해 전송과 저장 구간 암호화를 적용했다. 이후 Amazon Textract로 문서 내 텍스트와 표, 양식 정보를 추출하고, Step Functions의 분산 처리 기능으로 대량 작업을 병렬화했다. 처리 상태와 오류, 제한 초과 여부는 Amazon CloudWatch 대시보드로 추적했다.

핵심은 단순한 문서 인식이 아니라 운영 규모다. AWS는 헌팅턴은행이 하루 약 1,000만 건 수준으로 문서를 처리할 수 있도록 파이프라인을 설계했고, 당초 수년이 걸릴 것으로 예상됐던 작업 기간을 몇 달 수준으로 줄였다고 밝혔다. 전체 저장소 처리 비용도 기존 추정치의 약 5% 수준으로 낮아졌으며, 비식별 정확도는 규정 준수 요건인 95% 이상을 충족했다고 설명했다.

다만 이 수치는 AWS가 공개한 고객 사례 기준이다. 기사에서 독립적인 성능 검증 결과로 확대 해석하기는 어렵다. 그럼에도 사례가 갖는 의미는 분명하다. 기업이 AI 모델을 업무에 적용하려면 문서와 데이터 저장소 안에 남아 있는 민감정보를 먼저 파악하고 통제해야 한다. 대규모 비정형 문서 처리와 자동화된 검수 체계는 금융, 보험, 의료처럼 규제가 강한 산업에서 AI 활용의 선행 조건이 되고 있다.

출처: AWS Machine Learning Blog https://aws.amazon.com/blogs/machine-learning/huntington-bank-redacting-sensitive-data-from-400m-documents-with-aws/