에지 컴퓨팅에 관해 알아야 할 것들

컴퓨팅 분야에서 “에지”는 기술 정보 네트워크의 외곽을 말하는 것으로, 컴퓨터 네트워크의 가상 세계와 실제 세계가 만나는 지점입니다. 대부분의 경우에 “에지”라고 하면 네트워크가 인터넷입니다.

“에지 컴퓨팅”은 “클라우드 컴퓨팅”과 분리할 수 없습니다. “클라우드”는 모든 중앙 컴퓨팅 장치를 이르는 것으로 인터넷을 통해서 세계 각지에 분산되어 있습니다. 서버라고 하는 이러한 컴퓨팅 장치는 실제 세계와 직접 상호 작용하지 않으며, 네트워크를 통해서 서로 연결되고 에지 상의 디바이스들과 연결됩니다. 이러한 디바이스들을 “에지 디바이스”라고 합니다.

서버는 컴퓨터 팜으로 조직화되며, 서버와 에지 디바이스 사이에 경계는 명확하게 구분되지 않습니다. 여기저기 산재한 익명의 서버로부터 컴퓨팅 성능이 제공되기 때문에 “클라우드 컴퓨팅”이라고 합니다. 그런데 데이터 프로세싱은 에지 디바이스에서도 할 수 있으며, 이것을 “에지 컴퓨팅”이라고 합니다.

“에지”와 “클라우드” 사이에 전환은 유동적입니다. 센서나 액추에이터와 직접 연결하지 않고 에지 근처에서 추가적인 컴퓨팅 성능을 사용할 수도 있습니다. 이러한 타입의 데이터 프로세싱을 “포그 컴퓨팅”이라고 합니다.

애플리케이션에 따라 에지 디바이스에 다음과 같은 다양한 유형의 센서와 액추에이터를 장착할 수 있습니다:

• 마이크로폰 - 단어와 음성을 인식하고 말하는 사람의 위치와 소리를 인식. 제품 페이지: MEMS 마이크로폰
• 광학 카메라 - 사람과 물체의 존재와 위치를 인식
• 레이더 - 거리와 속도를 감지하고 물체와 동작을 분류. 제품 페이지: 레이더 센서
• ToF 기술 - 물체를 3차원으로 포착하고 사람을 인증. 제품 페이지: ToF(Time-Of-Flight)
• 조명 및 근접 센서
• 홀 센서 - 자기장과 전기 전류를 포착
• 모션 센서 - 가속도, 속도, 위치를 포착
• 기압 센서 - 기상 관측, 고도 측정. 제품 페이지: 압력 센서
• 물리/화학 센서 - 액체나 기체의 성분 파악

“에지” 에 센서와 액추에이터를 장착합니다. 센서는 실제 세계를 포착하고 액추에이터가 조치를 취합니다.  에지에서 아날로그 측정 데이터를 디지털 파라미터로 변환하고 디지털 제어 변수를 아날로그 출력 신호로 변환합니다.

에지 컴퓨팅은 포착된 데이터를 중앙 처리 하기 위해 먼저 서버로 전송하는 것이 아니라 그곳에서 바로 처리하는 것을 의미합니다. 예를 들어, 마이크로 프로세서는 측정 데이터에서 직접 작업을 유도하고 액추에이터를 활성화 할 수 있습니다.

• 온도 센서가 실내 온도를 기록하고, 제어 알고리듬과 원하는 온도에 따라서 난방 시스템을 켜거나 끕니다.
• 각도 또는 거리 센서가 위치를 기록하고 그에 따라 모터를 작동합니다.

“임베디드 시스템”은 센서, 액추에이터, 아날로그/디지털 변환, 프로세서로 구성된 통합 시스템입니다. 에지 디바이스 형태의 임베디드 시스템은 클라우드에 연결하기 위한 통신 또는 네트워크 인터페이스를 포함합니다. 인터페이스를 통해 포착되거나 로컬에서 전처리 된 데이터를 중앙 서버로 전송하거나 명령이나 구성 데이터를 수신합니다.

지난 몇 년 사이에 “에지 컴퓨팅”이 부상할 수 있었던 것은 인공 지능(AI) 및 신경망 기술의 발전과 무관하지 않습니다.

클라우드의 대량의 데이터와 강력한 컴퓨팅 성능을 활용할 수 있게 되면서 인공 지능과 머신 러닝이 엄청나게 발전하고 있습니다. 이제 클라우드에서 거의 무제한의 데이터 처리 용량을 활용하여, 까다로운 작업을 위해 갈수록 복잡해지는 인공 신경망을 학습시킬 수 있게 되었습니다. 기계 학습 알고리듬이 발전하면서 다음과 같은 많은 영역에서 혁신이 일어나고 있습니다:

• 자연어 인식 및 처리
• 텍스트 인식 및 텍스트 생성
• 이미지 센서를 사용한 물체 분류 및 추적
• 대량의 데이터 기록을 사용해서 패턴 인식 및 트렌드 예측
• 생체 인식 기능을 사용한 인증

인공 신경망은 여러 층의 인공 뉴런으로 이루어집니다. 뉴런은 시냅스를 통해서 상호 연결됩니다. 입력층, 히든층, 출력층으로 구분됩니다. 인공 뉴런은 생물학적 뉴런의 동작을 매우 추상적인 방식으로 재현합니다. 시냅스에서 가중되고 축적된 정보가 특정한 임계치를 넘으면 뉴런은 정보를 다음 뉴런 층으로 전달합니다. 신경망을 학습시키면 광범위한 학습 데이터를 사용해서 학습 알고리듬을 통해서 시냅스 가중치가 점진적으로 정의됩니다.

인공 신경망은 수백만 개의 뉴런과 수십억 개의 시냅스를 가질 수 있습니다. 고성능 서버를 사용한다고 하더라도 특정한 용도로 학습시키기 위해서는 수 일에서 수 주까지도 걸릴 수 있습니다. 얼핏 보면 인공 지능(AI)을 클라우드에서만 사용해야 한다고 생각하기 쉽습니다.

그런데, 순수한 실행이나 추론을 위해서는, 학습된 신경망은 학습 때와 비교해서 훨씬 적은 컴퓨팅 성능을 필요로 합니다. 신경망을 임베디드 시스템에서 효율적으로 구현할 수 있는 최신의 하드웨어 친화적 신경망 아키텍처와 툴들이 등장하면서 많은 인공 지능(AI) 애플리케이션을 에지에서 실행할 수 있게 되었습니다.

에지 컴퓨팅에서 데이터 보안은 매우 중요합니다. 특정 데이터만 시스템에서 빠져나가고, 나머지 데이터는 에지 디바이스에 남아 있어야 합니다. 이를 보장하기 위해서는 에지 디바이스의 무결성을 지속적으로 확인해야 합니다. 예를 들어서 시스템 소프트웨어가 조작되지 않았는지 검사하기 위해서 모니터링을 할 수 있습니다. 또한 시스템 소프트웨어 업데이트를 할 때 신뢰할 수 있는 출처인지 확인해야 합니다.

클라우드와 통신하기 위해서 에지 디바이스는 먼저 서버 및 데이터 서비스를 인증하고 데이터를 암호화해서 전송해야 합니다. 현재는 이를 위해서 비대칭 암호화 기법이 사용되고 있으며 공용 키 인프라가 지원됩니다.

이러한 용도로는 보안을 하드웨어에 구현하는 것이 중요합니다. 하드웨어는 소프트웨어처럼 쉽게 조작할 수 없기 때문입니다. 인피니언은 에지 디바이스 전용 임베디드 TPM (Trusted Platform Module)을 제공합니다. TPM을 사용해서 시스템 무결성을 보장하고, 통신 피트너를 인증하고, 데이터를 보안적으로 암호화할 수 있습니다.

많은 에지 디바이스에 인피니언의 센서, 마이크로컨트롤러, 보안 솔루션, 전력 반도체가 사용되고 있습니다. 인피니언은 반도체 부품과 MEMS 센서뿐만 아니라, SME 파트너사들과 협력해서 에지 컴퓨팅 용으로 포괄적인 서브시스템과 디바이스를 제공합니다.

인피니언의 혁신적인 경보 시스템은 에지 컴퓨팅 솔루션이 어떻게 기존의 스마트홈 시스템을 향상시킬 수 있는지 잘 보여줍니다. 기존 경보 시스템은 마이크로폰이 집안으로 침입하려는 시도가 있을 때 유리가 깨진 것을 감지하는 반면, 특허 받은 인피니언의 컨셉은 신경망 기술을 사용해서 소리와 압력 정보를 조합해서 판단합니다.

이는 오경보 횟수를 최소화하고 시스템 신뢰성을 크게 높입니다. 새로운 경보 시스템의 또다른 특징은 유연하게 구현할 수 있다는 점입니다: 인피니언 솔루션을 기존의 유리 파손 감지 시스템에 손쉽게 통합할 수 있습니다.

우리 생활의 모든 영역에 에지 컴퓨팅이 점점 더 많이 도입되고 있습니다. 센서, 액추에이터, 파워 일렉트로닉스는 에지 디바이스의 인터페이스이며, 결과적으로 전체 네트워크와 실제 세계를 연결하는 인터페이스입니다. 에지 컴퓨팅을 사용해 로컬에서 데이터를 처리할 수 있고 꼭 필요한 데이터만 클라우드로 전송할 수 있습니다. 에지나 클라우드에서 데이터를 처리할 때, 필요한 컴퓨팅 성능, 에너지 효율, 지연 시간, 보안과 개인 정보 보호가 중요한 요소입니다. 두 솔루션은 서로를 보완합니다. 인공 신경망 기반의 알고리듬은 클라우드의 전유물이 아니며, 로컬에서 지능적 의사결정을 할 수 있도록 하며 새로운 혁신적인 애플리케이션을 가능하게 합니다. 에지 컴퓨팅의 새로운 시대가 열리고 있습니다.

마지막 업데이트: 2020년 10월