네트워크 가시성 확보 (r1)

트래픽 모니터링은 네트워크를 통과하는 데이터 흐름을 지속적으로 관찰하고 분석하는 과정이다. 이는 네트워크 상태, 성능, 보안 상태를 이해하는 가장 기초적이면서도 핵심적인 수단을 제공한다. 단순한 대역폭 사용량 확인을 넘어, 트래픽의 구성, 출발지/목적지, 사용 중인 애플리케이션 및 프로토콜을 식별하는 것을 포함한다.

트래픽 모니터링을 구현하는 주요 방법은 크게 두 가지로 나뉜다. 첫째는 플로우 데이터 기반 분석이다. NetFlow, sFlow, IPFIX와 같은 표준화된 프로토콜을 통해 라우터나 스위치가 트래픽 흐름에 대한 메타데이터(예: IP 주소, 포트, 패킷 수, 바이트 수)를 생성하고 중앙 수집기로 전송한다. 이 방법은 네트워크 장비에 부하를 크게 주지 않으면서도 트래픽의 전체적인 패턴과 양상을 파악하는 데 효과적이다. 둘째는 패킷 캡처 및 분석이다. 네트워크의 특정 지점에 미러링 포트나 탭 장비를 설치하여 실제 데이터 패킷을 복제하고 저장한 후 상세하게 검사한다. 이 방법은 애플리케이션 성능 문제의 근본 원인 분석이나 심층적인 보안 위협 조사에 필수적이다.

효과적인 트래픽 모니터링은 다음과 같은 질문에 답할 수 있어야 한다.

이러한 모니터링을 통해 네트워크 관리자는 단순한 연결 상태를 넘어, 비즈니스에 중요한 애플리케이션의 성능을 보장하고, 잠재적인 보안 사고를 조기에 탐지하며, 네트워크 인프라 투자에 대한 합리적인 의사결정을 내릴 수 있는 기반을 마련한다.

네트워크 내의 모든 장치와 자원을 정확하게 식별하고 인벤토리를 관리하는 것은 가시성 확보의 기본이자 핵심 요소이다. 이 과정은 네트워크 토폴로지 맵을 구성하고, 각 구성 요소의 상태와 역할을 이해하며, 정책 적용과 문제 해결의 정확성을 보장한다.

식별 대상에는 라우터, 스위치, 방화벽과 같은 네트워크 인프라 장비부터, 서버, 가상 머신, 컨테이너, IoT 기기, 사용자 단말기에 이르기까지 모든 연결된 개체가 포함된다. 자동화된 검색 도구는 SNMP, ICMP, ARP 테이블, API 연동 등을 활용하여 네트워크를 정기적으로 스캔하고 새로 추가되거나 제거된 장치를 실시간으로 발견한다. 발견된 각 장치는 IP 주소, MAC 주소, 호스트명, 장비 유형, 운영 체제, 소프트웨어 버전, 물리적 위치 등의 속성 정보와 함께 중앙 관리 데이터베이스에 등록된다.

효과적인 식별 관리를 위해서는 일관된 네이밍 규칙과 태깅 정책이 필수적이다. 예를 들어, '역할-위치-일련번호' 형식의 명명 규칙이나 '개발/운영', '보안 등급', '담당 부서'와 같은 태그를 부여하면 자원을 논리적으로 그룹화하고 필터링하여 관리 효율성을 극대화할 수 있다. 이렇게 구축된 정확한 자원 인벤토리는 용량 계획, 변경 관리, 자산 관리, 그리고 특히 보안 사고 발생 시 위협 범위를 신속하게 규명하는 데 결정적인 기초 자료가 된다.

성능 메트릭 수집은 네트워크의 상태, 용량, 효율성을 정량적으로 평가하기 위한 핵심 데이터를 수집하는 과정이다. 이는 단순한 연결 상태 확인을 넘어 네트워크가 비즈니스 요구사항을 얼마나 잘 지원하는지 측정하는 기반을 제공한다. 수집된 메트릭은 트래픽 모니터링 및 장치 및 자원 식별 정보와 결합되어 종합적인 네트워크 건강 상태를 보여준다.

수집되는 주요 성능 메트릭은 일반적으로 지연 시간, 패킷 손실, 대역폭 사용률, 가용성, 처리량 등으로 구분된다. 각 메트릭은 네트워크 성능의 특정 측면을 반영한다. 예를 들어, 지연 시간은 데이터가 출발지에서 목적지까지 이동하는 데 걸리는 시간을 측정하며, 실시간 애플리케이션 성능에 직접적인 영향을 미친다. 패킷 손실률은 전송 중 손실된 데이터 패킷의 비율로, 네트워크 혼잡이나 물리적 결함을 나타낼 수 있다.

효과적인 성능 관리와 용량 계획을 위해서는 이러한 메트릭을 시간 경과에 따라 추적하고 기준선을 설정하는 것이 필수적이다. 일반적인 수집 대상 메트릭은 다음과 같다.

이러한 메트릭은 SNMP, NetFlow, sFlow와 같은 프로토콜을 통해 수동 또는 자동으로 수집된다. 수집된 데이터는 네트워크 성능 모니터링 도구를 통해 시각화되고 분석되어, 잠재적인 병목 현상을 사전에 발견하고 서비스 수준 계약을 준수하는지 검증하는 데 활용된다.

보안 이벤트 가시화는 네트워크를 통과하는 트래픽과 시스템 활동을 분석하여 잠재적 위협이나 악의적인 행위를 식별하고 시각적으로 표현하는 과정이다. 이는 침입 탐지 시스템(IDS)이나 침입 방지 시스템(IPS)과 같은 보안 솔루션에서 생성되는 로그, 경고, 이벤트 데이터를 효과적으로 집계하고 해석하는 것을 포함한다. 목표는 공격 표면을 이해하고, 이상 징후를 조기에 발견하며, 보안 인시던트에 대한 대응 시간을 단축하는 것이다.

이를 구현하기 위해선 네트워크 내 다양한 지점에서 보안 관련 데이터를 수집해야 한다. 주요 데이터 소스에는 방화벽 로그, 프록시 서버 로그, 엔드포인트 보안 솔루션의 경고, 그리고 네트워크 트래픽 분석(NTA) 도구의 출력이 포함된다. 수집된 데이터는 보안 정보 및 이벤트 관리(SIEM) 시스템이나 확장 가능한 탐지 및 대응(XDR) 플랫폼으로 전송되어 상관 관계 분석이 이루어진다. 이를 통해 단일 로그로는 드러나지 않는 복합적인 공격 패턴을 파악할 수 있다.

가시화는 단순한 로그 수집을 넘어, 데이터를 직관적인 대시보드, 지도, 차트, 타임라인 등으로 변환하여 보안 운영팀에게 제공한다. 일반적인 가시화 요소는 다음과 같다.

효과적인 보안 이벤트 가시화는 위협 헌팅과 사고 대응을 용이하게 한다. 분석가는 대화형 대시보드를 통해 특정 시간대의 이벤트를 드릴다운하거나, 의심스러운 IP 주소와 관련된 모든 활동을 추적할 수 있다. 이는 단순한 경고 확인을 넘어 사건의 전후 맥락과 영향을 신속하게 파악하는 데 결정적인 역할을 한다[1].

네트워크 성능 모니터링은 네트워크 가시성 확보를 위한 핵심 기술 분야 중 하나로, 네트워크 인프라의 전반적인 상태, 가용성, 성능을 지속적으로 관찰하고 측정하는 활동을 의미한다. 이는 네트워크 장비, 링크, 서비스의 정상 작동 여부를 확인하고, 병목 현상이나 성능 저하의 원인을 신속하게 진단하는 데 목적을 둔다. NPM 도구는 일반적으로 SNMP, ICMP 핑, 트레이스라우트와 같은 프로토콜을 활용하여 데이터를 수집하며, 네트워크 운영팀이 사전에 문제를 감지하고 서비스 수준 협정을 준수할 수 있도록 지원한다.

주요 모니터링 대상은 대역폭 사용률, 지연 시간, 패킷 손실률, 장치의 CPU/메모리 사용률, 링크 업/다운 상태 등이다. 이러한 성능 메트릭은 대시보드를 통해 실시간으로 시각화되며, 사전 정의된 임계값을 초과할 경우 경고를 생성한다. 예를 들어, 핵심 구간의 대역폭 사용률이 80%를 지속적으로 초과하거나, 응답 시간이 갑자기 증가하는 경우 운영자에게 알림을 전송한다.

NPM 솔루션은 수집된 데이터를 기반으로 성능 추세를 분석하고, 용량 계획을 수립하는 데도 기여한다. 역사적 데이터를 통해 특정 시간대나 애플리케이션에 의한 주기적인 트래픽 패턴을 파악할 수 있어, 네트워크 증설이나 최적화가 필요한 시점을 예측하는 데 유용하다. 또한, 문제 발생 시 근본 원인 분석을 수행하여, 문제가 네트워크 계층에 있는지, 아니면 서버나 애플리케이션 계층에 있는지를 구분하는 첫 단계를 제공한다.

애플리케이션 성능 모니터링은 네트워크 가시성 확보의 핵심 구성 요소로, 네트워크 인프라를 넘어 실제 비즈니스 서비스를 제공하는 애플리케이션의 성능과 사용자 경험을 종합적으로 관찰하고 분석하는 접근법이다. 이는 단순한 네트워크 연결 상태가 아닌, 애플리케이션의 코드 실행, 트랜잭션 처리 흐름, 데이터베이스 쿼리 성능, 외부 서비스 호출 등 애플리케이션 스택 전반의 동작을 가시화한다.

APM 도구는 일반적으로 애플리케이션 서버에 에이전트를 설치하거나, API 게이트웨이나 서비스 메시를 통해 데이터를 수집한다. 수집되는 주요 데이터는 애플리케이션의 응답 시간, 처리량(TPS), 오류율, 그리고 개별 트랜잭션의 상세 추적(분산 트레이싱)이다. 이를 통해 개발자와 운영팀은 성능 병목 현상이 네트워크 지연, 코드 비효율, 데이터베이스 병목, 또는 외부 마이크로서비스 호출 실패 중 어디에서 발생하는지 정확히 식별할 수 있다.

클라우드 네이티브 및 마이크로서비스 아키텍처 환경에서 APM의 중요성은 더욱 커진다. 복잡하게 분산된 서비스 간의 호출 관계를 시각적으로 매핑하고, 느린 요청의 근본 원인을 추적하는 기능은 시스템의 전반적인 건강 상태를 유지하는 데 필수적이다. 결과적으로 APM은 네트워크 모니터링으로는 파악하기 어려운 비즈니스 로직 수준의 문제를 발견하여, 장애 해결 시간을 단축하고 선제적인 성능 최적화를 가능하게 한다.

플로우 데이터 분석은 네트워크를 통과하는 트래픽의 통계적 요약 정보를 수집하고 분석하여 가시성을 확보하는 방법이다. NetFlow와 sFlow는 이를 구현하는 대표적인 산업 표준 프로토콜이다. 이 방식은 모든 패킷의 내용을 저장하는 패킷 캡처와 달리, 특정 기준(예: 동일한 출발지/목적지 IP, 포트, 프로토콜)으로 그룹화된 트래픽 흐름에 대한 메타데이터(패킷 수, 바이트 수, 타임스탬프 등)만을 생성하고 내보낸다. 따라서 상대적으로 적은 저장 공간과 처리 자원으로 네트워크 전체의 트래픽 패턴, 대역폭 사용량, 상위 통신자를 파악할 수 있다.

주요 플로우 프로토콜의 특징은 다음과 같이 비교할 수 있다.

이러한 플로우 데이터는 네트워크 성능 모니터링(NPM) 도구나 전용 플로우 분석기로 수집된다. 분석 도구는 수집된 데이터를 집계하고 시각화하여 네트워크 관리자에게 직관적인 대시보드를 제공한다. 이를 통해 특정 애플리케이션이나 사용자가 예상치 못하게 많은 대역폭을 소비하는 상황을 신속히 발견하거나, 평소와 다른 지리적 위치에서 발생하는 비정상적인 트래픽 흐름을 탐지할 수 있다.

플로우 분석의 핵심 장점은 확장성과 효율성이다. 특히 sFlow의 표준화된 샘플링 방식은 초고속 네트워크 환경에서도 구현이 비교적 간단하며, 네트워크 장치의 성능에 미치는 영향을 최소화한다. 반면, NetFlow는 플로우에 대한 상세한 기록을 제공하여 보다 정밀한 트래픽 분석과 장기간의 추세 분석에 유리하다. 현대 네트워크에서는 두 기술을 상호 보완적으로 사용하거나, IPFIX(NetFlow v9를 기반으로 한 IETF 표준) 같은 개방형 표준을 도입하는 경우가 많다.

패킷 캡처 및 분석은 네트워크를 통과하는 실제 데이터 패킷을 수집하고 그 내용을 검사하여 네트워크 가시성을 확보하는 근본적인 방법이다. 이 기술은 트래픽 모니터링 도구들이 제공하는 통계적 데이터를 넘어, 네트워크 상에서 발생하는 구체적인 통신 내용과 프로토콜 상호작용을 직접 관찰할 수 있게 해준다. 일반적으로 네트워크 인터페이스를 프로미스큐어스 모드로 설정하여 해당 세그먼트의 모든 패킷을 수집하는 방식으로 동작한다.

주요 분석 도구로는 와이어샤크와 tcpdump가 널리 사용된다. 이들 도구는 캡처된 패킷을 필터링하고, 다양한 프로토콜(TCP/IP, HTTP, DNS 등)별로 해석(디코딩)하여 사용자에게 계층별 정보를 제공한다. 분석을 통해 다음과 같은 정보를 얻을 수 있다.

그러나 패킷 캡처는 몇 가지 실질적인 제약을 가진다. 첫째, 처리량이 큰 네트워크에서는 모든 패킷을 캡처하고 저장하는 것이 기술적, 경제적으로 부담이 될 수 있다. 둘째, TLS/SSL과 같은 암호화 기술이 보편화되면서 패킷의 페이로드(내용)를 직접 분석하는 것이 점점 더 어려워지고 있다. 이에 대한 대안으로, 핵심 구간에 대한 선택적 캡처나 트리거 기반 캡처, 또는 암호화 세션의 키를 활용한 복호화 분석 등의 방법이 사용된다.

따라서 패킷 캡처 및 분석은 네트워크 문제의 근본 원인을 파악하거나 복잡한 보안 위협을 조사하는 데 필수적인 도구이지만, 대규모 환경에서는 플로우 데이터 분석이나 메트릭 기반 모니터링과 함께 조화롭게 활용하는 전략이 필요하다.

중앙 집중식 모니터링은 네트워크 내의 모든 모니터링 에이전트 또는 프로브로부터 데이터를 수집하여 단일 콘솔이나 관리 플랫폼에서 통합해 분석하는 아키텍처 접근 방식이다. 이 방식에서는 네트워크의 각 지점에 배치된 수집기가 성능 메트릭, 플로우 데이터, 로그, 이벤트 정보 등을 수집한 후, 보안 전송 채널을 통해 중앙의 모니터링 서버나 데이터 레이크로 전송한다. 중앙 시스템은 이 데이터를 통합, 상관관계 분석, 저장하며 관리자에게 대시보드, 경고, 상세 보고서를 제공한다.

이 접근법의 주요 장점은 통합된 관점을 제공한다는 점이다. 관리자는 여러 위치에 분산된 네트워크 장비, 서버, 애플리케이션의 상태를 한곳에서 종합적으로 확인할 수 있어 문제의 근본 원인을 더 빠르게 파악할 수 있다. 또한 중앙에서 정책을 일관되게 적용하고, 데이터를 장기간 저장하여 트렌드 분석과 규정 준수 감사를 수행하기에 유리하다. 구현과 유지보수 측면에서도 중앙 시스템에 대한 업데이트나 패치 적용이 상대적으로 용이하다.

단점으로는 중앙 서버가 단일 장애점이 될 수 있으며, 모든 데이터가 한곳으로 모이므로 네트워크 대역폭과 중앙 시스템의 처리 능력에 부하가 집중될 수 있다. 특히 지리적으로 분산된 대규모 네트워크에서는 데이터 전송 지연이 발생할 수 있다. 이러한 단점을 보완하기 위해 지역별 수집 계층을 두는 계층적 아키텍처나 분산 데이터 수집과 결합하는 하이브리드 형태로 진화하는 경우가 많다.

분산 데이터 수집은 네트워크의 각 전략적 지점에 에이전트나 수집기를 배치하여 데이터를 현지에서 수집한 후, 중앙 분석 시스템으로 전송하는 아키텍처를 의미한다. 이 방식은 중앙 집중식 모니터링 시스템의 단일 장애점 문제를 완화하고, 광범위한 네트워크 영역에 걸친 데이터 수집 부하를 분산시킨다. 특히 지리적으로 분산된 데이터센터나 다수의 브랜치 오피스를 가진 조직에서 효과적이다.

분산 수집 아키텍처의 핵심 구성 요소는 에이전트, 수집기, 그리고 중앙 관리 플랫폼이다. 에이전트는 서버, 가상 머신, 컨테이너 또는 네트워크 장치에 설치되어 로그, 성능 메트릭, 플로우 데이터를 수집한다. 수집기는 특정 영역(예: 하나의 데이터센터) 내의 여러 에이전트로부터 데이터를 집계하고, 필터링 또는 압축한 후 중앙 플랫폼으로 전송하는 역할을 담당한다. 이는 광역 네트워크 대역폭을 절약하고 중앙 시스템의 처리 부담을 줄이는 데 기여한다.

구현 시 고려해야 할 주요 사항은 다음과 같다.

이러한 분산 접근 방식은 확장성이 뛰어나고 네트워크 지연 시간의 영향을 최소화하지만, 에이전트 관리의 복잡성과 전체 시스템 구성의 일관성 유지가 주요 도전 과제로 남는다. 효과적인 분산 데이터 수집은 클라우드 네이티브 환경과 하이브리드 클라우드 구조에서 필수적인 네트워크 가시성의 기반을 제공한다.

실시간 분석은 데이터 생성과 동시에 또는 근접한 시간 내에 분석을 수행하여 즉각적인 인사이트와 대응을 가능하게 한다. 이 방식은 네트워크 성능 모니터링(NPM)에서 지연 시간이나 패킷 손실을 즉시 감지하거나, 보안 정보 및 이벤트 관리(SIEM) 시스템에서 침입 시도를 실시간으로 탐지하는 데 필수적이다. 실시간 분석은 주로 스트리밍 데이터 처리 엔진을 활용하며, 이상 징후 발생 시 즉각적인 알림을 생성하거나 사전 정의된 자동화된 조치를 트리거한다.

반면, 배치 분석은 일정 기간 동안 축적된 대량의 데이터를 한꺼번에 처리하는 방식이다. 이는 트렌드 분석, 용량 계획, 장기적인 보안 포렌식 또는 규정 준수 보고서 생성에 적합하다. 예를 들어, 지난달의 전체 네트워크 트래픽 패턴을 분석하여 대역폭 사용 추세를 파악하거나, 정기적인 감사 로그를 검토하는 작업에 사용된다. 배치 분석은 일반적으로 더 강력한 컴퓨팅 리소스를 활용하여 복잡한 쿼리와 상관 관계 분석을 수행할 수 있다.

두 방식의 선택은 비즈니스 요구사항과 분석 목적에 따라 결정된다. 다음 표는 주요 차이점을 보여준다.

현대의 통합된 가시성 플랫폼은 실시간과 배치 분석을 함께 지원하는 하이브리드 아키텍처를 채택하는 경우가 많다. 실시간 엔진으로 긴급 이슈를 처리하면서, 동시에 데이터 레이크에 원본 데이터를 저장하여 배치 분석을 위한 풀(full) fidelity 데이터를 보유한다. 이를 통해 운영 팀은 현재 상태를 모니터링하고, 비즈니스 분석가나 보안 팀은 심층적인 역사적 분석을 수행할 수 있다.

암호화된 트래픽의 분석은 네트워크 가시성 확보의 주요 도전 과제이다. TLS 및 IPsec과 같은 암호화 프로토콜의 광범위한 채용은 프라이버시와 보안을 강화했지만, 동시에 네트워크 내부에서 발생하는 활동에 대한 통찰력을 제한한다. 이는 악성 활동 탐지, 애플리케이션 성능 문제 해결, 규정 준수 모니터링에 어려움을 초래한다.

이 문제를 해결하기 위한 주요 접근법은 메타데이터 분석이다. 암호화된 패킷의 페이로드는 읽을 수 없지만, 패킷 헤더, 크기, 타이밍, 흐름 방향, TLS 핸드셰이크 협상 정보와 같은 메타데이터는 여전히 분석 가능하다. 예를 들어, 특정 서버와의 비정상적으로 많은 TLS 핸드셰이크 시도는 사이버 공격의 징후일 수 있다. 또한, 트래픽 흐름 패턴과 세션 지속 시간을 분석하여 애플리케이션 성능 저하를 유추할 수 있다.

보다 심층적인 분석을 위해 엔드포인트 기반 모니터링이나 미러링된 트래픽에 SSL/TLS 복호화를 적용하는 기술이 사용된다. 복호화된 트래픽은 침입 탐지 시스템이나 애플리케이션 성능 모니터링 도구에서 완전한 검사를 가능하게 한다. 그러나 이 방법은 처리 성능에 부하를 주며, 사용자 프라이버시와 법적 규정을 고려해야 한다. 따라서 조직은 명확한 정책 하에 제한된 범위(예: 비즈니스 중요 애플리케이션 서버 트래픽)에서만 선택적으로 적용한다.

향후 기술은 머신 러닝과 행위 분석을 활용하여 암호화된 트래픽에서도 이상 징후를 식별하는 방향으로 발전하고 있다. 또한, 제로 트러스트 아키텍처의 확산으로 인해 네트워크 경계보다는 엔드포인트와 ID 중심의 가시성 모델이 더욱 중요해지고 있다.

대규모 네트워크에서 가시성을 확보하는 과정에서는 방대한 양의 로그 데이터, 플로우 데이터, 패킷 샘플링 데이터를 지속적으로 수집, 저장, 처리해야 합니다. 이는 데이터 처리 시스템에 상당한 부하를 주며, 실시간 분석 요구사항을 충족시키기 어려운 도전 과제를 만들어냅니다. 특히 초당 패킷 수(PPS)가 높은 코어 네트워크 구간이나 수천 대의 가상 머신이 동작하는 클라우드 데이터 센터에서는 데이터의 규모와 속도가 기존 모니터링 도구의 한계를 초과하는 경우가 많습니다.

이러한 도전 과제를 해결하기 위해 분산 처리 아키텍처와 빅데이터 기술이 적극적으로 도입됩니다. 일반적인 해결 방안은 에지에서의 데이터 필터링과 집계, 그리고 코어에서의 확장 가능한 처리로 구성됩니다. 예를 들어, 각 네트워크 장비나 전용 프로브에서 수집된 원시 데이터는 먼저 사전 처리되어 불필요한 정보는 제거되고, 핵심 메트릭만 압축된 형태로 중앙 분석 시스템으로 전송됩니다. 중앙 시스템은 아파치 카프카 같은 스트리밍 플랫폼을 통해 데이터를 수신하고, 아파치 스파크나 엘라스틱서치와 같은 확장 가능한 오픈소스 도구들을 활용하여 실시간 스트림 처리 또는 배치 분석을 수행합니다.

효율적인 데이터 처리를 위한 주요 전략은 다음과 같이 정리할 수 있습니다.

최종적으로 목표는 데이터의 양을 줄이는 것이 아니라, 데이터 처리 파이프라인의 효율성을 극대화하여 관리자가 방대한 정보 속에서도 의미 있는 인사이트를 실시간에 가깝게 얻을 수 있도록 하는 것입니다. 이를 통해 네트워크 장애 예측, 용량 계획, 이상 징후 탐지 등에 필요한 분석이 지연 없이 수행될 수 있습니다.

네트워크는 이더넷, TCP/IP, HTTP, QUIC 등 수많은 통신 프로토콜이 공존하는 복잡한 환경이다. 가시성 확보 도구는 이러한 다양한 프로토콜을 정확히 식별하고, 각 프로토콜의 특성에 맞춰 트래픽을 분석할 수 있어야 한다. 특히, 애플리케이션 계층 프로토콜의 식별은 특정 서비스의 성능 문제를 진단하거나 보안 정책을 적용하는 데 필수적이다. 프로토콜 식별 실패는 트래픽의 오분류를 초래하여 모니터링의 정확성을 떨어뜨리고, 중요한 이벤트를 놓칠 위험을 증가시킨다.

표준화된 프로토콜 외에도, 기업 내부에서 개발한 맞춤형 프로토콜이나 특정 IoT 장치 전용 프로토콜이 사용되는 경우가 빈번하다. 또한, 많은 프로토콜이 기본 포트 번호를 따르지 않고 비표준 포트에서 동작하거나, TLS 암호화 터널 내에 캡슐화되어 전송된다. 이는 단순한 포트 기반 식별 방식을 무력화시키는 주요 요인이다. 따라서 현대의 가시성 솔루션은 DPI 기술을 활용하여 패킷 페이로드를 깊이 있게 검사하거나, 행동 분석을 통해 프로토콜을 추론해야 한다.

이러한 다양한 프로토콜을 지속적으로 지원하기 위해서는 가시성 플랫폼이 유연한 아키텍처를 가져야 한다. 새로운 프로토콜 시그니처를 업데이트하거나, 사용자가 직접 특정 트래픽 패턴을 정의하여 모니터링 규칙을 생성할 수 있는 기능이 중요해진다. 결국, 다양한 프로토콜에 대한 포괄적인 지원은 네트워크의 정확한 상태 파악, 효율적인 용량 계획, 그리고 빠른 장애 대응 및 보안 위협 탐지의 토대를 제공한다.