OSI 7 레이어 개념​

• Open Systems Interconnection Reference Model
• ISO 에서 제시한 표준화된 네트워크 기본 모델
• 프로토콜 계층화
  • 계층별 기능 분담
  • 확장성과 유연성 확보

OSI 7 레이어 개념도, 구성​

OSI 7 레이어 개념도​

• 같은 계층간 논리통신을 제공하기 위하여 터널링 기법(가상통신, Peer to Peer)을 사용
• 하부 계층 내려갈 때는 캡슐화, 그 반대는 역캡슐화 가정

OSI 7 레이어 구성​

계층	용도	대표프로토콜	전송단위
응용	최종 사용자와 인터페이스	HTTP, SMTP	데이터
표현	프로토콜/데이터 변환, 암호화	ASCII, MPEG, JPEG	데이터
세션	대화의 동기 위한 SLA	RPC, TLS, SSH	메세지
전송	응용 간 논리적 통로 제공	TCP, UCP, SCTP	세그먼트
네트워크	망 통한 호스트간 통로, 라우팅 경로 설정	IP, ICMP, ARP	패킷
데이터링크	인접 노드간 링크 제공, 포워딩	PPP, L2TP	프레임
물리	전기적, 기계적 수단 제공, 비트스트림	이더넷, Wi-Fi	Bit

OSI 7 레이어와 TCP/IP와의 비교​

TCP/IP 비교	프로토콜 구조

• TCP/IP는 인터넷 구현을 위한 프로토콜로 Defacto 표준.
• OSI 7 레이어는 컴퓨터 구조를 포함하므로 실제는 TCP/IP의 Hybrid 모델로 구현.

참조​

• Cloudflare: What is the OSI Model?
• Cisco: The TCP/IP and OSI Networking Models

SVM 개념​

• 서포트 벡터, 하이퍼플레인, 차원 전환 원리를 이용하여 주어진 데이터가 어떤 카테고리에 속할지 판단하는 이진선형분류모델
• 서포트 벡터 분류기 + 비선형 커널 = 서포트벡터머신

SVM의 개념도, 문제 해결방법, 장단점​

개념도​

선형 문제	비선형 문제

문제 해결 방법​

구분	선형 문제	비선형 문제
특징	초평면 분리 가능	초평면 분리 불가
해결방법	마진을 최대화하는 서포트벡터 탐색 후 분류	커널 트릭 사용하여 데이터 고차원 매핑

장단점​

• 장점: 인공신경망의 과적합 해결방법 제시, 비선형 문제 해결
• 단점: 단일 SVM 성능 한계

SVM 한계점과 해결방안​

• SVM 데이터 범주간 비율이 비슷하다는 가정에서 학습하고 예측결과 도출, 실제 데이터는 데이터의 불균형이 빈번하여 모델 성능이 저하됨.
• 앙상블 기법을 이용한 SVM으로 성능 문제 해결.

참조​

• 데이터 불균형 해결을 위한 Under-Sampling 기반 앙상블 SVMs

의사결정나무 개요​

의사결정나무 개념​

• 주어진 입력값들의 조합을 의사결정규칙에 따라 출력값을 예측하는 모형
• 의사결정규칙을 트리구조로 나타내어 분류와 예측을 수행하는 분석 방법

의사결정나무 구성, 유형, 절차​

의사결정나무 구성​

• 루트 노드: 최상단 노드, 첫 분류 조건
• 부모 노드: 상위 노드
• 자식 노드: 하위 노드
• 리프 노드: 결과를 예측하는 말단 노드
• 엣지: 샘플을 분류하기 위한 조건
• 뎁스: 루트 노드에서 특정 노드까지 도달하기 위해 거쳐야하는 엣지 수

의사결정나무 유형​

• 분류트리: 범주형 변수를 예측하기 위해 사용되는 트리 모델, 데이터를 여러 범주로 분류
• 회귀트리: 연속형 변수의 값을 예측하기 위한 트리모델

구분	분류트리	회귀트리
대상	범주형 변수 대상	연속형 변수 대상
특징	불순도를 기준으로 최적 분류 결정	분산을 최소화하는 방향으로 분할
평가방법	지니지수, 엔트로피	오차제곱합
사용시기	명확한 범주를 가진 데이터 분류	연속적 수치 예측, 트렌드 예측

의사결정나무 절차​

성장 -> 가지치기 -> 최적 나무모형 선택 -> 해석 및 예측

• 성장: 분석목적에 따른 트리 생성
• 가지치기: 불필요한 가지를 제거하여 과대적합, 과소적합 방지
• 타당성 평가: 가장 적은 엔트로피를 갖는 나무를 평가하고 최적 모형 선택
• 해석 및 예측: 구축된 나무모형 해석

의사결정나무 평가모델​

• 지니 계수: Gini Index
  • 데이터의 불순도를 측정하는 지표
  • 0에 가까울수록 노드의 데이터가 한 클래스로 분류된 것이고, 1에 가까울수록 데이터 분산
• 엔트로피: Entropy
  • 데이터의 확률분포가 가지는 정보량을 수치로 표현
  • 작을 수록 잘 분류된 것
• 오차제곱합: Mean Squared Error, MSE
  • 예측치와 실제치의 차이를 측정하는 지표
  • MSE가 작을수록 모델의 예측 성능이 좋다고 평가

OWASP 개요​

• Open Web Application Security Project
• 소프트웨어의 보안 취약점을 분석하고 연구하는 비영리 단체

OWASP 2024 Top 10 취약점​

1. Broken Access Control​

• 접근 권한 취약점
• 사용자가 권한을 벗어나 행동할 수 없도록 정책 시행
• 취약한 경우 모든 데이터를 무단으로 열람, 수정, 삭제 가능

2. Cryptographic Failures​

• 암호화 오류
• 적절한 암호화가 없을시 민감 데이터 노출 가능

3. Injection​

• 인젝션
• SQL, NoSQL, ORM, LDAP의 인젝션 취약점
• 사용자 제공 데이터 조작을 위한 공격, XSS 포함

4. Insecure Design​

• 안전하지 않은 설계
• 설계 단계에서 발생하는 보안 결함
• 요구사항 및 리소스 관리, 보안 설계, 보안 개발 생명 주기

5. Security Misconfiguration​

• 보안 설정 오류
• 어플리케이션 보안 설정이 누락되거나 클라우드 서비스 권한이 잘못된 경우

6. Vulnerable and Outdated Components​

• 취약하고 오래된 컴포넌트
• 취약한 어플리케이션, 라이브러리, 프레임워크 등의 보안 위협

7. Identification and Authentication Failures​

• 식별 및 인증 오류
• 취약한 인증에서 식별까지 포함된 보안 결함
• 사용자 신원확인, 인증, 세션관리 취약점

8. Software and Data Integrity Failures​

• 소프트웨어 및 데이터 무결성 오류
• 안전하지 않은 역직렬화가 병합된 항목으로, 어플리케이션이 신뢰할 수 없는 소스, 저장소, 라이브러리, 모듈에 의존하는 경우 발생

9. Security Logging and Monitoring Failures​

• 보안 로깅 및 모니터링 오류
• 로깅으로 공격 발생 감지 및 대응까지 포함

10. Server-Side Request Forgery​

• 서버 측 요청 위조
• 어플리케이션이 사용자 제공 URL의 유효성을 검사하지 않고 원격 리소스를 가져올 때 발생

참조​

• OWASP: OWASP Top Ten

개요​

• 데이터베이스가 필요 없으면서 블로그에 무료로 댓글을 붙힐 수 있는 기능이 필요했다.
• Hexo 블로그 시스템에서는 Disqus를 사용했었지만, 형편없는 어드민 UX와 많은 트레킹 스크립트로 Gitalk 로 이사를 왔다.
• Gitalk는 생각보다 괜찮았다. 하지만 Docusaurus 기반 블로그로 이전하게 되면서 문제가 발생했다.
  • 트리쉐이킹 없는 모듈을 호출해야했고, document.title 을 가지고오는 로직이 꼬이는지 가끔 댓글 타이틀을 잘못 가지고 왔다.
• Docsly는 원하는 위치에 댓글을 다는 게 재밌어보였다.
  • 플로팅 푸터로 가운데에 댓글을 쓰는 기능이 들어간다. 그런데 powered by docsly 워터마크가 꽤 크게 노출되어 블로그가 docsly로 운영되는 듯한 느낌을 준다.
• Giscus는 Github discussion 기반으로 코멘트를 남기는데 모든 기능을 다 만족했다.

기능 비교​

구분	Disqus	Gitalk	Docsly	Giscus
오픈소스	△	O	X	O
업데이트지원	~2022	~2021	2024~	2024~
리액트지원	△ (Class)	△ (Class)	O	O
데이터저장	Closed	Issues	Closed	Discussions
워터마킹	O	X	O	X

결론​

• giscus/giscus-component 쓰자.

가치사슬 개념​

• 고객에게 가치를 제공함에 있어 마진을 극대화하기 위한 일련의 활동, 기능, 프로세스

구성​

주요활동​

• 운영
• 물류
• 마케팅
• 서비스

구분	ERP	MES	SCM	CRM
목적	전사지원	생산관리	물류/공급망관리	고객관리
대상	전사활동	공정	유통	고객
활동	전사자원통합	통합 생산	공급망 최적화	마케팅, 서비스
가치사슬	주요+보조	주요	주요	주요
신기술	DX	디지털트윈	빅데이터	O2O

보조활동​

• 기업 인프라
• 인적 자원 관리
• 기술 개발
• 조달

분석 단계​

• 가치사슬 활동 분류, 분석
• 가치 파악 및 비용 정의
• 경쟁사 가치사슬 벤치마킹
• 경쟁 우위 확보 및 기회 파악

고려사항​

• ESG 목표 지원
• 효율화, 자동화

참조​

• IBM: 가치 사슬 분석이란 무엇인가요?

ISMS-P 개요​

정보보호 및 개인정보보호를 위한 일련의 조치와 활동이 인증기준에 적합한지 인증하는 제도

법적 근거​

• 정보통신망법 제 47조
• 개인정보 보호법 제 32조 2

인증 체계​

• 정책기관: 과기정통부, 개인정보보호위원회
• 인증기관: 한국인터넷진흥원(KISA), 금융보안원(FSI)
• 심사기관: 한국정보통신진흥협회(KAIT), 한국정보통신기술협회(TTA), 개인정보보호협회(OPA), 차세대정보보안인증원(NISC)

인증 기준​

1. 관리체계 수립 및 운영​

• 관리체계 기반마련
• 위험관리
• 관리체계 점검 및 개선
• 관리체계 운영

2. 보호대책 요구사항​

• 정책, 조직, 자산관리
• 인적보안
• 외부자보안
• 물리보안
• 인증 및 권한관리
• 접근통제
• 암호화
• 정보시스템 도입 및 개발 보안
• 시스템 및 서비스 운영 관리
• 시스템 및 서비스 보안 관리
• 사고 예방 및 대응
• 재해복구

3. 개인정보 처리단계별 요구사항​

• 개인정보 수집 시 보호 조치
• 개인정보 보유 및 이용 시 보호조치
• 개인정보 제공 시 보호조치
• 개인정보 파기 시 보호조치
• 정보주체 권리 보호

참조​

• KISA: ISMS-P 제도소개

가트너 10대 전략기술 개요​

트리즘, 위협관리, 지속가능 기술 플랫폼엔지니어링, AI증강개발, 산업클라우드 지능형앱, 생성형AI 보편화, 증강-연결인력 기계고객

1. AI TRiSM​

• AI Trust, Risk and Security Management
• AI 모델 거버넌스, 신뢰성, 공정성, 견고성, 효능 및 데이터 보호 정책과 도구들을 준비한 상태에서 운영

2. 지속적인 위협 노출 관리​

• CTEM: Continuous Threat Exposure Management
• 기업의 보안 위협을 지속적으로 평가하고 관리
• 선제적 정보보안 대책

3. 지속가능한 기술​

• Sustainable Technology
• ESG, 생태 균형, 인권 존중
• 재생에너지, 추적성, 효율성

4. 플랫폼 엔지니어링​

• Platform Engineering
• SW 제공, 수명주기 관리 위한 내부고객용 플랫폼 구축 및 운영

5. AI 증강 개발​

• AI-Augmented Development
• 개발, 테스트시 생셩형 AI, 머신러닝과 같은 AI 적용 개발 도구 활용

6. 산업 클라우드 플랫폼​

• ICP: Industry Cloud Platform
• 특정 산업 분야에 맞춤형 솔루션을 제공하는 전문 클라우드 플랫폼

7. 지능형 애플리케이션​

• Intelligent applications
• AI를 기반으로 사람과 기계에 자율적으로 반응할 수 있는 프로그램

8. 보편화된 생성형 AI​

• Democratized Generative AI
• 사전 학습모델, 클라우드 컴퓨팅, 오픈소스의 결합으로 생성형 AI가 보편화되면서 전 세계 사람들이 모델에 접근 가능

9. 증강-연결된 인력​

• Augmented-Connected Workforce
• 회사로부터 디지털 도구로 모니터링 및 업무를 하는 노동자

10. 기계 고객​

• Machine Customers, Custobot
• 기계가 인간을 대신해서 자율적으로 제품이나 서비스 주문 및 결제

AI TRiSM​

1-1. 설명 가능성, 모델 모니터링​

• xAI, Explainability / Model Monitoring
• AI 알고리즘의 설명 가능성 확보하고 신뢰할 수 있게 하는 것
• AI 모델 성능 모니터링으로 프로세스 효율적 개선 가능

1-2. 모델옵스​

• ModelOps
• AI 모델의 재조정, 재학습, 재구축 지원
• AI 기반 시스템 개발, 운영, 유지보수의 무중단 프로세스
• AI 거버넌스와 라이프사이클 관리

1-3. AI 어플리케이션 보안​

• AI Application Security
• AI 적대적 공격 방어 및 위협 탐지, 안정적 프로세스 보장

1-4. 개인정보보호​

• Privacy
• 데이터 보호, GDPR 준수
• 개인정보 비식별화를 넘어 합성 데이터, 허위 데이터 사용

참조​

• Gartner: Gartner Top 10 Strategic Technology Trends for 2024
• NIA: 주요 기관이 전망한 2024년 유망 기술

법적 근거​

개인정보 보호법 및 시행령 2차 개정사항 안내서 및 현장설명회 자료

주요 변경사항​

보호수준평가, CPO 자격요건, 손해배상책임 대상, 국외 개인정보 처리방침

구분	기존내용	변경내용
공공기관 개인정보 보호수준 평가	진단 결과의 법적 근거 미비, 평가 절차와 대상 선정 기준 부재	평가 절차와 기준 명확화, 법적 근거 신설, 결과 공개 및 연간 평가 실시
개인정보 보호책임자 제도 개선	CPO 자격 요건과 협의회 부재	CPO 자격 요건 강화, CPO 협의회 신설로 협력 강화
완전자동화 결정에 대한 정보주체의 권리	AI 결정에 대한 정보주체 권리 미규정	AI 결정에 대해 설명 요구 및 권리 거부 가능 근거 마련
손해배상책임 보장 의무대상 확대	손해배상책임 이행 의무 대상 제한적	의무 대상을 모든 개인정보처리자로 확대, 매출액 및 보유량 기준 정비
고유식별정보의 관리실태 정기조사	불규칙적 조사로 관리 미흡	관리실태 정기조사 주기 3년으로 명확화, 관리 강화
국외 수집·이전 개인정보 처리방침 공개	국외 이전 개인정보 처리방침 비공개	국외에서 수집하거나 이전하는 개인정보 처리방침 공개 의무화

CPO​

실무4년, 박사2년, 개인정보 거버넌스

구분	기존 요건	개정 요건
자격 요건	명확히 정의되지 않음	개인정보보호, 정보보호, 정보기술 경력 합쳐 총 4년 이상, 개인정보보호 경력은 최소 2년 이상 필요
학위 인정	학위 취득에 따른 경력 인정 규정 없음	- 박사학위: 개인정보보호 경력 2년 인정 - 석사학위: 개인정보보호 경력 1년 인정 - 학사학위: 개인정보보호 경력 6개월 인정
업무 범위	일반적인 개인정보 보호 업무	- 개인정보 보호 계획 수립 및 시행 - 개인정보 처리 실태 조사 및 개선 - 불만 처리 및 피해 구제 - 내부 통제 시스템 구축 - 개인정보 보호 교육 계획 수립 및 시행
독립성 보장	독립성 보장에 대한 명확한 규정 없음	개인정보처리자는 CPO가 업무를 독립적으로 수행할 수 있도록 지원, 업무 수행 중 불이익 주지 않아야 함

스텝​

https://ieeexplore.ieee.org/document/1605174

1. Mission & Scope: 미션과 스코프 식별
2. Stakeholders: 이해관계자 실별
3. Goals: 목표 식별
4. Goal Conflicts: 상이한 이해관게자 간의 목표 절충
5. Scenarios: 요구사항을 시나리오 형태로 기술
6. Shall Statement: 해야한다 형태로 기술
7. Justification: 특정 기능이 포함되어야 하는 이유를 정확히 설명
8. Assumptions: 비기능 요구사항과 각종 제약사항 분석
9. Agreed Priorities: 핵심 기능과 기타 요구사항 분리
10. Acceptance Criteria: 요구사항이 제대로 구현되었는지를 판단하는 기준 정의

위험요인​

• Overlooking a crucial requirements
• Inadequate Customer representation
• Modeling only functional requirements: 비기능 요구사항, 예외 시나리오 파악 필요
• Not inspecting requirements
• Attempting to perfect requirements before beginning construction: 완벽한 요구사항 도출, 분석은 현실적으로 불가능.
• Representing requirements in the form of designs: 설계how가 아닌 요구사항을 실현할what에 대해 집중.

어려움​

• Incomplete or hidden requirements
• Poor communication between the team and customer
• Underspecifided requirements
• Poor communication within the team

피하기 위해 Terminology, Abbreviation 등 기술적 용어와 약자를 우선 정의. 자연어 명세를 피하기 위해 각종 UML 다이어그렘 활용.