목차
Uber IAM 정책 변경에 테스트를 더한 Policy Simulator (2025-09)
원문 정보
- 원문: Adding Determinism and Safety to Uber IAM Policy Changes
- 매체 · 게시일: Uber Engineering Blog · 2025-09-18
- 저자: Avinash Srivenkatesh(Senior Software Engineer, Core Security Engineering), Zi Wen(Software Engineer, Core Security Engineering), Zakir Akram(Engineering Manager II, Core Security Engineering)
- 원문 내용을 바탕으로 재구성한 요약입니다.
Uber Eats의 주문 수정을 막은 IAM 정책
Uber Eats 고객이 주문을 수정하지 못하는 사고가 있었습니다. 핵심 게이트웨이 서비스의 자산 소유자가 IAM(Identity and Access Management) 정책을 실수로 바꾼 결과입니다. 정책 변경도 코드 변경 못지않은 영향을 미쳤지만, 코드에 마련된 테스트와 안전장치는 정책에 부족했습니다.
Uber 프로덕션에는 마이크로서비스, 데이터베이스, 웹 도메인 등 수많은 자산이 있습니다. 이들 사이의 상호작용을 통제하는 IAM 정책은 각 자산 소유자가 관리합니다. 자산이 늘수록 정책도 복잡해집니다. 잘못된 변경이 실제 서비스에 어떤 영향을 줄지 파악하고 장애 없이 적용하는 일이 그만큼 어려워지는 것입니다.
가용 영역별 점진 배포만으로는 충분하지 않았습니다. 롤백 트리거를 잘못 설정했거나 배포 중 특정 트래픽 패턴 때문에 문제가 드러나지 않으면, 잘못된 정책이 전체에 배포돼 광범위한 장애로 번질 수 있습니다. Uber는 검증 시점을 정책 작성 단계로 앞당겼습니다. 작성자가 변경의 영향을 미리 확인하고, 배포를 진행할지 멈출지 판단하도록 만든 도구가 Policy Simulator입니다.
약 30초 뒤 확인하는 USC의 접근 변경 리포트
정책 작성자는 중앙 포털인 Unified Security Console(USC)에서 정책을 만들거나 수정합니다. 직원들이 매달 수동으로 올리는 변경 가운데 약 10%는 권한 제거입니다. 잘못 제거하면 서비스가 멈출 수 있습니다. 나머지 90% 중에서도 상당수는 의도보다 많은 권한을 부여할 가능성이 있어, 허용과 차단 양쪽의 영향을 살펴야 하는 상황입니다.
권한 제거가 포함된 변경을 작성하면 백그라운드에서 드라이 런이 자동으로 시작됩니다. 작성자는 바로 제출할 수도 있고, 약 30초를 기다려 접근 변경 리포트를 확인할 수도 있습니다. 어떤 접근이 달라지는지 정책을 배포하기 전에 볼 수 있게 된 것입니다.
리뷰 시점에는 결과를 다시 확인합니다. 지정 리뷰어는 보통 정책 네임스페이스 관리자이며, 작성 단계에서 만든 리포트가 있으면 변경 내용과 함께 보게 됩니다. 그 사이 같은 자산에 영향을 주는 다른 정책이 바뀌었다면 처음 결과는 이미 낡았을 수 있습니다. 리뷰어가 드라이 런을 새로 실행할 수 있는 이유입니다.
검토를 기다리는 변경 여러 건을 골라 함께 시뮬레이션하는 것도 가능합니다. 개별 변경의 영향에 더해, 변경들을 합쳤을 때의 결과를 확인하는 기능입니다. 리뷰어가 승인하면 정책은 대상 시스템으로 배포됩니다. 로컬 개발과 CI/CD에서 단위 테스트와 통합 테스트를 돌리듯, 정책에도 작성과 리뷰 과정에서 검증할 기회가 생겼습니다.
AWS와 GCP도 정책 시뮬레이터를 제공합니다. AWS IAM 정책 시뮬레이터는 주로 기존 정책을 테스트하고 문제를 찾는 도구로, 의도치 않은 접근을 확인하거나 새 정책을 시험하는 데도 쓰입니다. GCP IAM 정책 시뮬레이터는 Uber처럼 제안한 변경을 과거 접근 시도에 적용해 무엇을 허용하거나 막았을지 미리 보여 줍니다. Uber는 이 검증을 USC의 작성·리뷰 절차 안에 통합해, 프로덕션 정책을 바꾸는 과정에서 바로 시험하도록 했습니다.
같은 접근을 다시 판단하는 PAP의 인가 엔진
Policy Simulator는 과거 접근을 현재 정책과 제안 정책으로 각각 재생해 결과를 비교합니다. 이를 위해 중앙 정책 관리 지점인 PAP(Policy Administration Point) 서비스 안에 로컬 인가 엔진을 두 개 만듭니다. 시뮬레이션 중 PAP 밖으로 정책을 배포하지는 않습니다.
기준 엔진은 접근을 실제로 통제하는 PEP(Policy Enforcement Point)와 같은 현재 정책 집합을 구독합니다. 제안 엔진은 그 집합에 작성자가 제안한 변경을 반영합니다. PEP에서 가져온 접근 로그를 양쪽에 입력하면, 같은 접근 시도를 현재 정책과 변경 후 정책이 어떻게 판단하는지 드러납니다. 이 결과의 차이가 작성자에게 보여 줄 변경 영향입니다.
로그에 인가 결과가 남아 있어도 기준 엔진은 필요합니다. 기록된 결과는 과거 정책의 판단입니다. 로그를 남긴 뒤 정책이 바뀌었을 수 있으므로, 지금 적용된 정책으로도 접근을 다시 평가해야 현재 상태와 제안 상태를 비교할 수 있습니다.
평소 접근 처리에서는 PEP가 정책 평가 지점인 PDP(Policy Decision Point)에 허가 여부를 묻습니다. PDP는 필요에 따라 PIP(Policy Information Point)에서 런타임 속성을 가져와 판단합니다. 시뮬레이터는 이런 평가를 정책 관리 서비스 안에서 재현하는 방식입니다.
Uber가 중앙 PAP에서 관리하는 정책은 저장된 데이터, 서비스와 엔드포인트, 내부 웹 도메인, 시스템별 비즈니스 리소스를 다룹니다. 정책은 이를 평가하고 집행하는 각 시스템으로 배포됩니다. 집행을 맡는 PEP는 대상에 따라 다릅니다. 데이터 접근은 storage access manager가 통제하고, 네트워크 접근은 호스트 전반에 배치된 Envoy나 사내 라이브러리 authfx를 사용하는 대상 시스템이 통제합니다.
필요한 접근 조합만 남긴 Pinot의 로그
로그를 빠르게 가져오는 일부터 해결해야 했습니다. 정책을 작성하는 동안 영향을 알려 주려면 전체 시뮬레이션을 1분 미만에 끝내는 것이 목표인데, Apache Hive에 쌓인 대량의 접근 로그를 몇 초 안에 읽기는 어려웠습니다. Uber는 조회 지연을 줄이려고 Hive의 로그를 Apache Pinot 테이블에도 수집했습니다.
서비스 간 접근 로그가 생기는 경로부터 보면 이 선택을 이해하기 쉽습니다. 트래픽이 목적지 서비스에 닿기 전에 Envoy가 이를 가로채고, Envoy 내부의 secure-proxy가 서비스 수준의 네트워크 접근 정책을 집행합니다. 인가 지표는 Uber의 자체 메트릭 시스템인 M3로 보냅니다.
더 세밀한 접근은 서비스 안에서 판단합니다. 엔드포인트나 비즈니스 객체를 보호하는 서비스는 authfx로 인가를 수행하고 접근 로그를 남기며, 로그 수집기가 이를 메시지 큐를 거쳐 Hive 테이블에 기록합니다. 세밀한 접근 로그는 최근 30일, 서비스 수준의 접근 로그는 최근 90일을 보관합니다.
Pinot에 모든 기록을 그대로 넣지는 않았습니다. 저장하는 값은 행위자, 행위, 리소스이며, 같은 조합이 여러 번 나타나도 고유한 조합만 남깁니다. 정책 분석에는 주어진 기간에 그 접근이 있었다는 사실만으로 대개 충분합니다. 정확히 언제 몇 번 접근했는지까지 보관하고 조회하는 비용을 줄인 것입니다.
수동 정책 변경이 없거나 자동으로만 정책을 바꾸는 서비스의 로그도 제외했습니다. 사람이 내리는 정책 변경의 영향과 안전성을 평가한다는 목적에 맞춰 수집 대상을 좁힌 것입니다. M3의 지표에는 이런 최적화 일부가 이미 반영돼 있었고 조회 속도도 요구사항을 충족해, 별도 작업이 필요하지 않았습니다.
조회할 때도 변경 내용에 맞춰 범위를 더 줄입니다.
- secure-proxy의 서비스 수준 정책만 바뀌면 M3 로그만 조회
- 특정 서비스의 정책을 바꾸면 해당 서비스의 로그로 한정
- 영향을 받는 리소스와 행위, 계층상 대응 항목으로 조회 범위 축소
- 변경된 grant 유형에 따라 사람과 워크로드 중 영향을 받는 행위자의 로그 선택
정책 저장에 앞서 실행되는 Cadence 워크플로
여러 시뮬레이션이 한꺼번에 실행되는 동안, 각 작업은 여러 단계를 거치며 상태를 유지해야 합니다. 로그를 가져온 뒤 엔진을 만들고, 접근을 재생해 차이를 구하는 과정입니다. Uber는 이 실행 로직을 Cadence 워크플로로 구성해 내구성과 신뢰성, 장애 허용을 확보했습니다.
USC는 정책 변경을 저장하기 전에 Policy Simulation API를 호출합니다. 시작된 Cadence 워크플로는 변경과 관련된 접근 로그를 가져오고, 기준 엔진과 제안 엔진에서 재생한 결과를 비교합니다. 이 차이를 잠재적 영향 리포트로 만들어 작성자에게 보여 줍니다.
작성자가 변경을 진행하면 USC는 정책 관리 API를 호출해 변경을 정책 저장소에 저장합니다. 이후 승인된 정책이 대상 집행 시스템으로 배포됩니다. 시뮬레이션은 저장에 앞서 영향을 확인하는 과정에 들어가고, 실제 정책 배포는 기존 관리 경로를 따르는 구성입니다.
런타임 속성까지 필요한 ABAC 정책
아직 시뮬레이션에 필요한 정보를 확보하지 못하는 경우가 있습니다. ABAC(Attribute-Based Access Control) 정책은 평가할 때 런타임 속성이 필요한데, 시뮬레이터가 있는 PAP에서 그 속성 저장소에 접근하지 못할 수 있습니다. Uber는 필요한 속성을 가져올 방법을 탐색해 ABAC 정책 변경까지 지원을 넓히려 합니다.
정책 단위 테스트도 앞으로 추가할 기능입니다. 지금은 작성자가 리포트를 읽고 변경의 영향을 판단하지만, 작성자가 정의한 테스트를 모든 변경이 통과하도록 만드는 자동화를 구상하고 있습니다. 예를 들어 서비스 소유자가 중요한 호출자의 권한은 절대 제거하지 않겠다는 조건을 테스트로 작성하면, 정책을 바꿀 때마다 그 조건을 검사하도록 하는 것입니다.
접근 로그 보관 기간과 시뮬레이션 소요 시간
| 항목 | 값 |
|---|---|
| 정책 변경 중 권한 제거 비율 | 약 10% |
| 세밀한 접근(authfx) 로그 보관 | 최근 30일 |
| 굵은 접근(secure-proxy) 로그 보관 | 최근 90일 |
| 시뮬레이션 목표 | 1분 미만 |
| 권한 제거 변경의 드라이 런 리포트 대기 | 약 30초 |
| Pinot에 저장하는 필드 | 행위자, 행위, 리소스(고유 조합) |