AT&T IoT Network Intelligence로 보는 대규모 IoT KPI 모니터링

기기 단위 KPI가 필요한 IoT 네트워크 운영

AT&T가 2026년 CES에서 발표한 IoT Network Intelligence Standard는 엔터프라이즈 고객이 4G·5G 네트워크에 연결된 수백만 IoT 기기의 성능 KPI를 실시간 대시보드에서 확인하도록 설계된 관리 플랫폼이다. 신호 강도, 패킷 손실, 레이턴시, 연결 안정성을 기기별로 추적하고 AI 기반 이상 탐지로 장애 징후를 사전에 식별하는 데 초점을 둔다.

이 플랫폼은 의료·운송·산업 분야처럼 대규모 IoT 기기를 운용하는 엔터프라이즈 고객을 주 대상으로 하는 관리형 SaaS 플랫폼이다. 기반 인프라에는 AT&T의 전국 5G SA 코어, Cisco IoT Control Center, Cisco Converged Core가 통합되며, Cisco AI Grid with NVIDIA를 통해 네트워크 엣지에서 온디맨드 AI 추론을 실행한다.

기능	제공 내용
디바이스 레벨 KPI 모니터링	신호 강도·처리량·레이턴시 실시간 추적
지리적 성능 분석	지역별 IoT 기기 성능 히트맵 및 인사이트
AI 기반 이상 탐지	기기 레벨 성능 이상 현상 자동 감지
대시보드 시각화	직관적 UI로 상세 성능 데이터 접근
MTAD 통합(예정)	Mobile Threat and Anomaly Detection 연계

네트워크 상태를 판단하는 KPI

대규모 IoT 환경에서는 단일 상태값만으로 네트워크 품질을 설명하기 어렵다. 신호 품질, 전달 성공률, 지연, 연결 유지 상태를 함께 봐야 기기와 네트워크 구간의 문제를 구분할 수 있다.

신호 강도와 품질

신호 강도는 RSRP(Reference Signal Received Power)와 dBm으로 측정한다. RSRQ(Reference Signal Received Quality)는 간섭을 포함한 품질 지표다. -80 dBm 이상이면 양호하고, -100 dBm 이하면 연결이 불안정한 상태로 본다.

이 값은 처리량, 변조 방식 선택, 재전송 빈도에 직접 영향을 준다.

패킷 손실이 만드는 운영 비용

일반 데이터 전송에서는 패킷 손실 3% 이하를 허용 수준으로 두며, 미션 크리티컬 제어 신호는 0.001% 이하를 기준으로 한다. 송신 패킷 수와 수신 확인 패킷의 비율로 이를 측정한다.

무선 채널 간섭, 네트워크 혼잡, 기기 버퍼 오버플로우가 주요 원인이다. IoT 환경에서는 재전송 횟수가 늘어날수록 배터리 소모와 레이턴시가 함께 악화한다.

구간별로 나눠 보는 레이턴시

E2E 레이턴시는 기기에서 클라우드 애플리케이션까지의 왕복 시간이다. 에어 인터페이스 레이턴시는 기기와 기지국 사이 구간이며, 5G SA 기준 < 5 ms다. 코어 레이턴시는 UPF와 애플리케이션 서버 사이에서 발생한다.

SLA 타깃은 산업 제어 < 10 ms, 영상 스트리밍 < 150 ms, 환경 모니터링 < 1 s로 구분한다.

연결이 유지되는지 확인하는 지표

연결 성공률(Connection Success Rate)은 연결 시도 대비 성공 비율을 의미한다. 핸드오버 성공률은 기지국 사이를 이동할 때 연결을 유지한 비율이며, 재연결 빈도는 기기가 연결을 잃었다가 다시 연결하는 횟수다. 가용성은 SLA 기준으로 99.99% 이상 연결 유지가 요구된다.

수백만 기기 데이터를 흘려보내는 파이프라인

원격측정 데이터를 실시간으로 수집하려면 엣지부터 저장소와 운영 화면까지 역할을 분리한 계층형 파이프라인이 필요하다.

⤢✕

엣지 계층에서는 기기 또는 게이트웨이에 CPU 1% 미만, RAM 100 MB 미만을 사용하는 경량 에이전트를 배포한다. 노이즈 필터링, 통계 집계, 비정상 패킷 감지를 로컬에서 수행하며, 네트워크가 끊기면 데이터를 버퍼링했다가 재연결 시 전송한다.

수집 계층은 Apache Kafka 클러스터가 수백만 기기의 동시 스트림을 수용한다. 디바이스 ID를 파티션 키로 사용해 동일 기기 데이터의 순서를 보장하고, 초당 수십만 건 이상의 메시지 처리량을 확보한다.

처리 계층에서는 Spark Structured Streaming이 100 ms 간격의 마이크로배치로 데이터를 처리한다. 1분·5분·15분·1시간 슬라이딩 윈도우를 사용해 집계하고, 결과를 이상 탐지 엔진과 저장소로 병렬 분기한다.

저장소 역할은 구분한다. InfluxDB에는 높은 쓰기 처리량과 자동 다운샘플링이 필요한 원시 시계열 데이터를 저장하고, TimescaleDB에는 복잡한 SQL 쿼리와 조인이 필요한 집계 분석 데이터를 둔다. 리텐션 정책은 원시 데이터 30일, 분 단위 집계 1년, 시간 단위 집계 5년이다.

저장소와 스트리밍 처리의 역할 분리

DB	강점	IoT 적합성	AT&T 활용
InfluxDB	높은 쓰기 처리량, DevOps 최적화	IoT 원시 데이터 수집	원시 KPI 저장
TimescaleDB	SQL 기반, 고급 분석 쿼리	집계 분석·리포팅	SLA 리포트 생성
Prometheus	오픈소스, 유연한 쿼리 언어	인프라 메트릭	플랫폼 운영 모니터링
QuestDB	초저지연 수집	고빈도 데이터 특화	실시간 경보 트리거

Spark Streaming에서는 데이터 도착 방식과 분석 목적에 따라 윈도우를 달리 쓴다. 세션 윈도우(Session Window)는 기기의 연결·단절 세션을 기준으로 집계한다. 슬라이딩 윈도우(Sliding Window)는 이동 평균 신호 강도와 패킷 손실률 계산에 적합하다. 글로벌 윈도우(Global Window)는 누적 통계와 장기 추세 분석을 맡으며, 워터마크(Watermark)는 네트워크 지연으로 늦게 도착하는 데이터를 처리한다.

이상 신호를 판정하는 앙상블

단일 이상 탐지 알고리즘은 거짓 양성(False Positive) 문제를 만들 수 있다. 이 구조에서는 여러 탐지 기법을 병렬 적용한 뒤 다수결로 최종 상태를 정한다.

통계 기반 탐지는 Z-score와 IQR로 이상치를 찾으며 계산 비용이 낮다. ML 기반 탐지는 Isolation Forest와 Autoencoder를 사용해 패턴 이상을 찾는다. 규칙 기반 탐지는 미리 정의한 임계값 초과를 감지해 즉각 경보를 낸다. 시계열 예측은 LSTM으로 예측값과 실제값의 편차를 감지한다.

4개 중 2개 이상이 이상을 탐지하면 경보를 발령한다. 3개 이상이 탐지하면 즉각 대응 필요 알림을 보내고, 1개만 탐지한 경우에는 관찰 상태로 전환한다.

이상 유형	원인	탐지 방법	대응
점 이상(Point Anomaly)	순간적 스파이크	Z-score, 규칙 기반	자동 경보
맥락 이상(Contextual Anomaly)	시간대·계절성 이탈	ML 기반, LSTM	수동 검토
집단 이상(Collective Anomaly)	다수 기기 동시 이상	상관 분석	즉각 대응
드리프트(Drift)	장기 성능 열화	추세 분석	예방 점검

SLA 위반을 자동화 흐름으로 연결하기

SLA 자동화는 상태를 보는 데서 끝나지 않는다. 스트리밍 분석으로 기기 상태, 병목 현황, SLA 달성 여부를 실시간으로 파악하고, 지역별·기기 유형별·네트워크 슬라이스별로 KPI를 드릴다운할 수 있어야 한다.

예측 인사이트도 자동화의 일부다. 과거 트래픽 패턴을 기반으로 용량 부족을 사전에 경보하고, 배터리 수준과 신호 열화 추세를 바탕으로 장애 전 기기 교체를 권고한다. 데이터 사용량 예측은 과부과 방지에 활용한다.

임계값을 넘으면 자동으로 티켓을 만들고 담당자에게 알린다. 네트워크 슬라이스를 자동 재조정해 QoS 목표를 유지하며, 기기 원격 재설정과 재부팅도 자동화 대상이 된다.

SLA 요소	모니터링 지표	자동화 액션
연결 가용성 99.99%	연결 성공률·재연결 빈도	자동 재연결 시도, 기지국 핸드오버 유도
레이턴시 < 50 ms	E2E 레이턴시 측정값	QoS 정책 동적 조정, 트래픽 경로 최적화
패킷 손실 < 0.1%	패킷 전달 성공률	재전송 파라미터 자동 튜닝
배터리 잔량 > 20%	기기 배터리 레벨	eDRX 파라미터 자동 조정, 교체 일정 알림

AT&T IoT Network Intelligence는 기존 운영 시스템과의 연결을 위해 RESTful API와 WebSocket 엔드포인트를 제공한다. RESTful API는 기기 목록 조회, KPI 이력 조회, 경보 설정 변경에 사용한다. WebSocket은 실시간 KPI 스트리밍 구독을 맡고, MQTT는 경량 IoT 프로토콜 기반 기기 명령 전달에 쓰인다. Webhook은 이상 탐지 이벤트를 외부 시스템으로 전달한다.

AT&T IoT Network Intelligence Standard는 대시보드 하나가 아니라, 수백만 IoT 기기의 운영 신뢰성을 데이터로 관리하는 플랫폼 구조다. KPI 설계, Kafka-Spark-InfluxDB 기반 실시간 파이프라인, 다수결 앙상블 탐지, SLA 자동화 워크플로우가 함께 작동한다. AT&T의 전국 5G SA 인프라와 Cisco AI Grid with NVIDIA의 엣지 AI 통합은 이를 자율 운영 IoT 네트워크를 향한 기반 인프라로 위치시킨다.