https://festa.io/events/3791 한빛N MSA - #2 TDD | Festa! Festa에서 당신이 찾는 이벤트를 만나보세요. festa.io 주니어 개발자를 위한 TPO for TDD "경험을 압축한 알고리즘 만한 것이 없다." - 정보람 강사님 TDD 개발 방법론의 진화 구조적 기법 (1970 복잡성 극복) monologic 정보공학 기법 (1980 자동화) 객체지향 기법 (1990 모듈화) 사용자 관점의 서비스 설계 CBD 기법 (2000 재사용) component 개발, 재사성 증가 Agile 기법 (2010 적시성) TDD 방법론 ** MSA (micro service architecture) 일반적인 개발 방식 계획 - 계획서 요구분석 - 요구 분석 (TDD) 설계 - 설계..

1935.12.4 ~ 2020.4.18 육군 상사의 아들로 미주리 주 세인트 루이스에서 태어남. history 30만명이 지원한 미 정부 공시 채용에 300명 안에 들어 국방 재무 부서로 이동해 남다른 해안으로 어린 나이에 중요 직책을 맡고 조직 관리에 있어 폴 오닐이 없으면 해결이 안될 정도로 주요 인재였다. 이후 베트남 전쟁 정치적 소신으로 인터네셔널 페이퍼 이사로 이동하게 되었다. 1977~ 1985 부사장 1985 ~ 1987 CEO 엮임 1987 ~ 1999 CEO Main 폴 오닐은 이후 ALCOA 의 CEO로 취임하게 되었다. 폴 오닐의 주요 스토리 중 하나가 바로 ALCOA에 있다. ALCOA는 셰계 최대 알류미늄 제조 회사이다. 세계 최대 회사인만큼 주주들의 입맛 또한 까다로울 대로 까다..

https://github.com/mrd0x/BITB GitHub - mrd0x/BITB: Browser In The Browser (BITB) Templates Browser In The Browser (BITB) Templates. Contribute to mrd0x/BITB development by creating an account on GitHub. github.com Browser in the Browser Attack = 브라우저 안 브라우저 말 그대로 브라우저 안에 브라우저를 만들어 가짜 로그인 창이나 진짜 홈페이지 처럼 속여 로그인 정보를 탈취하는 기법이다. 사용자는 유사 로그인 창을 의심 없이 로그인 창으로 보고 로그인을 하게 된다. 왜냐? 유사 로그인 창의 도메인 또한 진짜 doma..

LLM10:2023 Training Data Poisoning 설명: 훈련 데이터 독점은 공격자가 LLM의 training이나 fine-tunning을 조작해 모델의 보안, 효과성 또는 윤리적 행동을 저해할 수 있는 취약점, 후문, 편향을 도입하는 것입니다. 일반적인 훈련 데이터 독점 문제: LLM에 악의적으로 조작된 훈련 데이터를 통해 후문이나 취약점 도입 LLM에 편향을 주입하여 편향적이거나 부적절한 응답을 생성 세세한 조정 과정을 이용하여 LLM의 보안이나 효과성을 침해 예방 방법: 신뢰할 수 있는 출처에서 훈련 데이터를 얻고 품질을 검증하여 훈련 데이터의 무결성을 보장 잠재적인 취약점이나 편향을 훈련 데이터에서 제거하기 위해 견고한 데이터 정제 및 전처리 기법 구현 LLM의 훈련 데이터와 세세한 ..

LLM09:2023 Improper Error Handling 설명: 잘못된 오류 처리는 오류 메시지나 디버깅 정보가 공격자에게 민감한 정보, 시스템 세부 정보 또는 잠재적인 공격 경로를 노출시킬 수 있는 경우 발생합니다. 일반적인 잘못된 오류 처리 문제: 오류 메시지를 통해 민감한 정보나 시스템 세부 정보를 노출시키는 경우 공격자가 잠재적인 취약점이나 공격 경로를 식별하는 데 도움이 되는 디버깅 정보를 누출시키는 경우 오류를 우아하게 처리하지 못하여 예기치 않은 동작이나 시스템 충돌을 유발하는 경우 예방 방법: 오류를 잡아내고 로그로 기록하며 우아하게 처리하기 위해 적절한 오류 처리 메커니즘을 구현합니다. 오류 메시지와 디버깅 정보가 민감한 정보나 시스템 세부 정보를 노출시키지 않도록 합니다. 사용자에..

LLM08:2023 부적절한 접근 제어 설명: 부적절한 접근 제어는 접근 제어나 인증 메커니즘이 올바르게 구현되지 않아, 무단 사용자가 LLM과 상호작용하고 취약점을 이용할 수 있는 상황을 말합니다. 일반적인 접근 제어 문제: LLM에 대한 엄격한 인증 요구 사항을 강제하지 않는 경우 역할 기반 접근 제어(RBAC) 구현이 부족하여 사용자가 의도된 권한을 초과하여 작업을 수행하는 경우 LLM에서 생성된 콘텐츠와 작업에 적절한 접근 제어를 제공하지 않는 경우 예방 방법: 다중 인증을 포함한 강력한 인증 메커니즘을 구현하여 오직 인가된 사용자만 LLM에 접근할 수 있도록 합니다. 사용자의 역할과 책임에 따라 사용자 권한을 정의하고 강제하기 위해 역할 기반 접근 제어(RBAC)를 사용합니다. LLM이 생성한 ..

LLM07:2023 불충분한 AI 조정 설명: 불충분한 AI 정렬은 LLM의 목표와 행동이 의도한 사용 사례와 일치하지 않아 원하지 않는 결과나 취약점이 발생하는 경우입니다. 일반적인 AI 정렬 문제: 목표가 명확히 정의되지 않아 LLM이 원하지 않거나 유해한 행동을 우선시하는 경우 정렬되지 않은 보상 함수 또는 훈련 데이터로 인해 의도하지 않은 모델 행동이 발생하는 경우 다양한 맥락과 시나리오에서 LLM의 행동을 충분히 테스트하고 검증하지 않은 경우 예방 방법: LLM의 목표와 의도된 행동을 설계 및 개발 과정 중에 명확히 정의합니다. 보상 함수와 훈련 데이터가 원하는 결과와 일치하며 원하지 않거나 유해한 행동을 유발하지 않도록 보장합니다. 다양한 시나리오, 입력 및 맥락에서 LLM의 행동을 정렬 문제..

LLM06:2023 LLM 기반 콘텐츠에 대한 과도한 의존 설명 LLM 기반 콘텐츠에 대한 과도한 의존은 오도된 정보의 전파, 의사 결정에서 인간의 참여 감소, 비판적 사고 능력의 감소를 초래할 수 있습니다. 기관 및 사용자들은 LLM 기반 콘텐츠를 검증 없이 믿을 수 있어서 잘못된 정보, 오해 또는 의도하지 않은 결과를 초래할 수 있습니다. LLM 기반 콘텐츠에 대한 일반적인 문제점은 다음과 같습니다: 검증 없이 LLM 기반 콘텐츠를 사실로 인식하는 것 LLM 기반 콘텐츠가 편향이나 오류가 없다고 가정하는 것 인간의 참여나 감독 없이 중요한 결정에 LLM 기반 콘텐츠에 의존하는 것 예방 방법 LLM 기반 콘텐츠에 대한 문제를 예방하기 위해 다음과 같은 모범 사례를 고려해야 합니다: 사용자들에게 LLM ..