드디어 다음주가 최종 배포데이다.이번주에 UI를 만들고, 다른 분들은 RAG 향상 기법을 시도했다.기존에는 CLI 환경에서 돌아가는 코드였어서, 직접 백엔드 프론트엔드 구축하고 엔드포인트를 만들어놨다. 웹 프레임워크는 FAST API를 썼다.다음주에 잘 마무리 되었으면

WIL이번주엔 여러가지 일로 바빠서 거의 작업을 못했다. 기술세미나 발표 준비 정도만 회의하면서 같이 정하고, 전체적으로 진도는 크게 나가지 못했다. 남은 3주 중에서 2주만 개발, 1주 테스트를 진행하려고 했지만, 상황을 보아하니 다들 일정이 바빠 각자 맡은 부분 개

안녕하세요. AI 보안의 관점에서 바라보는 최신 기술 트렌드를 정리합니다.최근 AI 기술은 단순히 묻고 답하는 수준을 넘어, 스스로 목표를 설정하고 도구를 실행하는 '에이전트형 AI(Agentic AI)'로 진화했습니다. 하지만 편리함의 이면에는 보안 책임자(CISO)

월요일에 중간발표를 진행했다.직접 시연 영상까지 포함해 발표했고, 큰 문제없이마무리했다.먼저 중간 데모데이에서 받았던 피드백에 대해서 얘기를 좀 해보겠다.피드백주요 피드백은 두가지였다1\. 잘 모르는 사람이 듣기에 발표가 너무 어려웠다.2\. '출퇴근'이라는 주제에 어

저번에 chromaDB(벡터db)에 적재했던 데이터셋을 이용해서 이번엔 langchain, langgraph를 구현했다.langchain은 직렬성 구조로, 즉 단발성이라서 한번 실행된다음에 끝나는게 특징이고, 이를 graph형태로 변환시킨게 langgraph이다.lan

최근 AI 패러다임이 단순한 '생성(Generative)'에서 '대행(Agentic)'으로 급격히 이동하고 있습니다. 오늘은 이 흐름의 최전선에 있는 구글의 Antigravity를 중심으로, Agentic AI의 정의와 그 뒤에 숨겨진 컴퓨터공학적 메커니즘을 심도 있게

이번에는 전처리 했던 데이터셋을 벡터DB에 넣고 랭체인으로 연결을 하자고 회의가 나왔다.그래서 나는 랭체인을 연결 할 예정이라 랭체인 공부를 해보았다.우선 LLM호출과 프롬프트 템플릿 호출 예시이다.그리고 아래는 프롬프트 템플릿 호출 예시이다.

이번 2주차때는 저번 1주차 때 각자 결정한 데이터셋을 전처리하기로 했었다.나는 여기서 웹기반 공격 TEMPLATE만 뽑아야 하기 때문에 HTTP 파일을 이용해야하고,HTTP에 들어가면 여러가지 있는데, 나는 우리 팀원분들과 협업이 필요하므로 CVE 라벨링을 할 수 있

데이터셋 결정어떤 데이터셋을 가지고 DB를 만들까 하다가, 4개의 데이터셋이 최종적으로 남았다. 지금으로서는 역할 분담하기가 애매해서 각자 1개씩 데이터셋을 맡아서 전처리하고, 전처리 양식을 통일하는 방향으로 진행하자고 했다.여기서 나는 nuclei 라는 데이터셋을 하

ChatGPT가 세상에 나온 이후, 우리는 프롬프트 엔지니어링을 통해 AI에게 '말을 잘 거는 법'을 연구했습니다. 그 다음은 RAG(검색 증강 생성)를 통해 '외부 지식을 참고하는 법'을 가르쳤습니다.이제는 Agentic AI(에이전트 AI)의 시대입니다. Agent

ChatGPT, Claude, Gemini 등 뛰어난 AI 모델들이 쏟아져 나오는 요즘입니다. 하지만 기업 데이터 보안 문제, API 비용, 혹은 인터넷이 없는 환경에서의 사용 등의 이유로 "내 컴퓨터(로컬)에서 LLM을 돌리고 싶다"는 니즈가 폭발적으로 증가하고 있습

미션코스를 하면서 어떤걸 개발할지 고민하던 중, 해킹 AI Tool 을 개발하자고 얘기가 나왔다. 반대 의견 없이 바로 결정되서 바로 기획에 들어갔다.환경 : AWS, DockerAI 모델 : Ollama - dolphin-llama3가드라인없이 사용자의 명령을 무조건

ransformer는 기존의 Recurrent Neural Network (RNN) 및 그 변형인 Long Short-Term Memory (LSTM)이 가졌던 근본적인 한계를 극복하기 위해 제안된 모델입니다.요약: Transformer는 재귀 구조를 완전히 제거하고

RNN의 동작 원리 위의 코드로 예시를 들자면, 1. 내부구조 x_t: 현재 시점의 입력 (embedding 벡터) h_t: 현재 시점의 hidden state h_{t-1}: 이전 시점의 hidden state (메모리 역할) W_xh: 입력-은닉층 가중치 W_h

머신러닝 모델이 데이터를 학습하기 전에 사람이 직접 설정하는 변수사용자가 설정: 모델이 학습하는 것이 아니라 사람이 직접 값을 정하는 것학습제어: 학습률, 옵티마이저 선택, 모델 구조(층 수, 뉴런 개수\_ 등 학습 과정을 제어하는 역할성능에 직접 영향: 모델의 성능에

안녕하세요, 최근 몇 년간 딥러닝 분야는 양적/질적 폭발을 경험했습니다. 단순한 모델 최적화를 넘어, 인공지능의 지능 자체를 확장하는 방향으로 발전하고 있습니다. 2025년을 관통하는 가장 중요한 기술적 동향을 핵심 논문과 학술적 개념을 바탕으로 깊이 있게 분석해 보겠

Pandas란? > 쉽고 직관적인 관계형 또는 분류된 데이터로 작업할 수 있도록 설계된 빠르고 유연하며 표현이 풍부한 데이터 구조를 제공하는 Python 라이브러리 > > 자료구조 : Series, DataFrame Series 단일 열이나 행을 나타내는 자료구조

TensorFlow와 NSMC 데이터셋으로 시작하는 텍스트 전처리 심화 분석 안녕하세요\! 딥러닝 모델 학습의 핵심 단계 중 하나인 텍스트 데이터 전처리 과정을 상세히 살펴보는 시간을 갖겠습니다. 특히, TensorFlow 라이브러리를 활용하여 네이버 영화 리뷰(NS

안녕하세요! 딥러닝 모델, 특히 CNN(합성곱 신경망)을 학습시키려면 정말 많은 양의 데이터가 필요하다고 알려져 있습니다. 하지만 우리가 풀고 싶은 문제에 대해 항상 수백만 장의 이미지를 가지고 있는 것은 아니죠.다행히도, 그렇지 않습니다. 바로 이때 전이학습(Tran

요즘 기술 블로그나 IT 뉴스에서 LLM이라는 단어, 정말 많이 보이지 않나요? 챗GPT가 코드를 뚝딱 짜주는 걸 보면서 '와, 이거 도대체 어떻게 만들었지?' 궁금했던 분들도 많으실 겁니다.오늘은 바로 그 혁신의 중심에 있는 LLM(거대 언어 모델, Large Lan