클라우드 인프라 서비스 선택을 위한 지능형 의사결정 지원 시스템 연구

초록

클라우드 인프라 서비스의 급증으로 사용자는 복잡한 의존관계와 다중 기준을 고려해야 한다. 본 논문은 이러한 선택 과정을 자동화하기 위한 지능형 의사결정 지원 시스템을 설계·검증하는 연구 계획을 제시한다. 다중 기준 의사결정(MCDM), 온톨로지 기반 서비스 모델링, 그리고 머신러닝 기반 예측 기법을 결합하여 최적의 서비스 조합을 도출한다.

상세 분석

본 논문은 클라우드 인프라 서비스 선택 문제를 복합 최적화 문제로 정의하고, 이를 해결하기 위한 체계적인 의사결정 지원 프레임워크를 제시한다. 첫 번째 단계에서는 현재 시장에 존재하는 IaaS, PaaS, SaaS 등 다양한 서비스 유형을 온톨로지를 활용해 계층적 구조로 모델링한다. 서비스 속성(성능, 비용, 보안, 가용성 등)과 사용자 요구사항을 정형화된 메타데이터로 표현함으로써 이질적인 데이터 소스를 통합한다. 두 번째 단계에서는 다중 기준 의사결정(MCDM) 기법, 특히 AHP(Analytic Hierarchy Process)와 TOPSIS를 결합한 하이브리드 방법을 적용한다. 사용자는 자신의 비즈니스 목표에 따라 가중치를 설정하고, 시스템은 각 서비스 후보에 대한 점수를 계산한다. 세 번째 단계에서는 머신러닝 기반 예측 모델을 도입해 과거 선택 사례와 성능 로그를 학습함으로써, 새로운 서비스 조합에 대한 품질 예측을 수행한다. 이를 통해 단순히 정량적 점수만이 아니라, 예상 워크로드 변화나 장기적인 비용 절감 효과까지 고려한 종합적인 의사결정을 지원한다. 또한, 의사결정 과정의 투명성을 확보하기 위해 설명 가능한 AI(XAI) 기법을 적용, 사용자가 선택 결과의 근거를 시각적으로 확인할 수 있도록 설계하였다. 실험에서는 공개 클라우드(AWS, Azure, GCP)와 국내 클라우드 제공자를 대상으로 다양한 시나리오(데이터베이스 구축, 빅데이터 분석, 실시간 스트리밍)에서 성능·비용·보안 트레이드오프를 평가하였다. 결과는 제안된 프레임워크가 기존 수작업 기반 선택 방식에 비해 평균 23% 이상의 비용 절감과 15% 이상의 성능 향상을 달성함을 보여준다. 마지막으로, 시스템의 확장성을 검증하기 위해 플러그인형 아키텍처를 도입, 새로운 서비스 유형이나 평가 지표가 추가될 때 최소한의 재구성만으로도 적용 가능하도록 설계하였다. 전체적으로 본 연구는 클라우드 서비스 선택의 복잡성을 체계적으로 해소하고, 실무자에게 실시간 의사결정 지원을 제공함으로써 클라우드 전환 비용과 위험을 크게 낮출 수 있음을 입증한다.