ITPE * JackerLab

WASIX (WebAssembly System Interface eXtension)

개요WASIX(WebAssembly System Interface eXtension)는 WebAssembly(이하 WASM)의 기능을 POSIX 기반 운영체제 수준으로 확장한 차세대 시스템 인터페이스 표준이다. 기존 WASI(WebAssembly System Interface)가 제공하지 못했던 네트워킹, 멀티스레딩, 비동기 I/O 등을 지원하여, WASM을 클라우드 및 서버 환경에서도 완전한 런타임으로 발전시킨다.1. 개념 및 정의WASIX는 기존 WASI의 기능적 한계를 극복하기 위해 설계된 **시스템 콜 확장 계층(System Call Extension Layer)**이다. WASM의 샌드박스 환경은 보안을 제공하지만, 파일 시스템 접근, 스레드 관리, 네트워크 통신 등 고급 기능이 제한적이었다.이..

Data Parallelism (DP)

개요Data Parallelism(DP)은 대규모 신경망 학습에서 가장 널리 사용되는 병렬화 기법으로, 전체 모델을 각 GPU에 복제하고 데이터 배치를 나누어 병렬로 처리하는 방식이다. 이 접근 방식은 모델 크기가 GPU 메모리 한계에 맞는 경우 가장 효율적인 확장 전략으로, 대형 데이터셋을 빠르고 안정적으로 학습할 수 있게 해준다.1. 개념 및 정의DP는 **데이터를 여러 GPU로 분할(Sharding)**하여 동시에 학습을 수행하고, 각 GPU가 계산한 Gradient를 집계하여(Global Synchronization) 모델을 업데이트하는 구조이다. 모든 GPU는 동일한 모델을 보유하므로, 파라미터 동기화(Synchronization)만 이루어지면 일관된 학습 결과를 얻을 수 있다.즉, DP는 ‘데..

Pipeline Parallelism (PP)

개요Pipeline Parallelism(PP)은 대규모 딥러닝 모델을 여러 GPU 장치 또는 노드에 단계별로 분할하여 학습하는 병렬화 기법이다. 각 GPU가 서로 다른 Layer 또는 Block을 담당하며, 입력 데이터가 파이프라인처럼 순차적으로 흐르도록 구성된다. 이 방식은 GPU 메모리 한계를 극복하고, 모델 학습 속도를 높이는 핵심 기술로 사용된다.1. 개념 및 정의PP는 모델의 Layer 단위를 여러 장비로 나누어 병렬 처리하는 구조로, 하나의 미니배치가 여러 Stage를 순차적으로 통과한다. 각 Stage는 특정 Layer 그룹을 담당하며, 전 단계의 출력을 받아 다음 단계로 전달한다.예를 들어, 48개의 Transformer Layer를 가진 모델을 4개의 GPU에 나누면, 각 GPU가 12..

Tensor Parallelism (TP)

개요Tensor Parallelism(TP)은 대규모 신경망 학습 시 하나의 연산(예: 행렬 곱셈)을 여러 GPU로 나누어 처리하는 **모델 병렬화(Model Parallelism)**의 한 형태이다. TP는 특히 GPT, BERT, LLaMA와 같은 초거대 언어 모델(LLM) 학습에서 핵심 역할을 하며, GPU 메모리 한계를 극복하고 연산 속도를 향상시키기 위해 사용된다.1. 개념 및 정의Tensor Parallelism은 **단일 Layer 내의 텐서 연산을 여러 GPU로 분할(distribute)**하여 계산을 병렬화하는 기법이다. 예를 들어, 거대한 Weight Matrix(W ∈ R^{m×n})를 여러 GPU에 나누어 분할 저장하고, 입력 벡터에 대한 연산을 분산 수행한 후 결과를 통합(Gath..

MLIR (Multi-Level Intermediate Representation)

개요MLIR(Multi-Level Intermediate Representation)은 Google이 TensorFlow/XLA 컴파일러 최적화를 위해 개발한 범용 컴파일러 인프라 구조로, 다양한 수준의 연산(High-Level → Low-Level)을 통합적으로 표현하고 최적화할 수 있는 중간 표현체계(IR)이다. MLIR은 단순히 TensorFlow 전용 기술이 아니라, **모든 도메인별 언어(DSL)**와 하드웨어 타깃 간의 다리 역할을 수행하는 범용 프레임워크로 발전하고 있다.1. 개념 및 정의MLIR은 이름 그대로 **‘다단계 중간 표현(Multi-Level IR)’**을 의미한다. 전통적인 컴파일러의 단일 IR 구조와 달리, MLIR은 서로 다른 수준의 추상화 계층(예: 그래프 수준, 연산 수..

Multimodal RAG (Retrieval-Augmented Generation)

개요Multimodal RAG(Retrieval-Augmented Generation)는 텍스트(Text), 이미지(Image), 비디오(Video) 등 다양한 모달리티 데이터를 동시에 이해하고 생성할 수 있는 차세대 생성형 AI 아키텍처이다. 기존의 RAG가 텍스트 기반 검색과 생성에 초점을 맞췄다면, Multimodal RAG는 비정형 데이터까지 확장하여 **지식 기반 멀티모달 추론(Multimodal Reasoning)**을 가능하게 한다.1. 개념 및 정의Multimodal RAG는 기본적으로 두 단계로 구성된다.Retrieval (검색) – 외부 지식베이스(예: 이미지, 문서, 비디오 프레임)에서 관련 정보를 검색.Generation (생성) – 검색된 정보를 Transformer 기반 멀티모달..

개요ColPali(Collaborative Parallel Learning)는 최신 인공지능 학습 구조 중 하나로, **대규모 모델의 병렬 학습과 협업 학습(Collaborative Learning)**을 결합하여 효율적인 분산 트레이닝을 구현하는 기법이다. 이 방식은 여러 GPU/노드가 독립적으로 학습하면서도 상호 정보를 공유해, 성능과 학습 안정성을 동시에 확보할 수 있다.ColPali는 기존의 Data Parallelism 및 Model Parallelism 한계를 극복하고, 각 학습 노드 간 협업적 업데이트를 통해 더 빠르고 효율적인 학습을 지원한다.1. 개념 및 정의ColPali는 이름 그대로 Collaborative(협업적) + Parallel(병렬적) 학습 개념을 결합한 프레임워크다. 각 노..

개요GaLore(Gradient Low-Rank Adaptation)는 2024년 제안된 대규모 언어 모델(LLM) 및 딥러닝 모델의 학습 효율화 기술로, GPU 메모리 사용량을 크게 줄이면서도 기존 성능을 유지하거나 개선하는 저랭크(低秩) 기반 적응 학습(Low-Rank Adaptation) 방법이다. LoRA(Low-Rank Adaptation)의 발전형으로, 학습 중 **Gradient(기울기)**에 저랭크 근사(Low-Rank Approximation)를 적용해 메모리 및 계산 효율을 동시에 확보한다.1. 개념 및 정의GaLore는 모델 학습 단계에서 Gradient 행렬을 저랭크(Low-Rank) 형태로 분해하여, 학습 시 필요한 메모리 사용량과 연산량을 줄이는 방법이다. 이는 기존 LoRA가 ..

개요Seccomp-BPF는 리눅스 커널에서 제공하는 보안 기능으로, 애플리케이션이 수행할 수 있는 시스템 호출(syscall)을 필터링하여 공격 표면을 최소화합니다. 이 기술은 컨테이너, 샌드박스 환경, 보안 중심 애플리케이션에서 널리 활용되며, 시스템 자원 접근을 제어함으로써 취약점 악용 가능성을 줄여줍니다.1. 개념 및 정의 항목 설명 정의리눅스 커널에서 시스템 호출을 필터링하는 기능목적보안 강화를 위해 특정 시스템 호출 제한필요성최소 권한 원칙 적용 및 공격 벡터 감소리눅스는 시스템 호출을 통해 커널 기능을 이용하며, 이 지점을 제어하면 보안을 강화할 수 있습니다.2. 특징특징설명비교필터링 기반BPF 필터로 syscall 제어AppArmor: 파일 기반, SELinux: 정책 기반경량성성능 오버헤..

개요Semgrep은 정적 분석(Static Analysis)을 기반으로 코드 내의 보안 취약점, 규칙 위반, 스타일 문제를 탐지하는 오픈소스 SAST(Static Application Security Testing) 도구이다. 기존의 복잡한 정적 분석 도구와 달리, Semgrep은 빠르고 가벼우며 개발 워크플로우(CI/CD, GitOps)에 손쉽게 통합할 수 있도록 설계되었다.Semgrep은 ‘정규 표현식보다 더 정확하고, 정적 분석보다 가벼운’ 접근 방식을 통해 코드 패턴 매칭과 AST(Abstract Syntax Tree) 기반 검사를 수행한다.1. 개념 및 정의Semgrep은 코드 구조를 이해하는 패턴 매칭 도구로, 사용자가 정의한 정책(Policy)이나 규칙(Rule)에 따라 코드를 정적 분석한다..

개요Conftest는 Open Policy Agent(OPA)를 기반으로 한 정책 기반 구성 검증 도구로, YAML, JSON, HCL 등 구성 파일을 정책(Policy)으로 정의하여 자동 검증하는 오픈소스 솔루션이다. IaC(Infrastructure as Code), Kubernetes, Terraform, Docker, CI/CD 파이프라인 등에서 구성 오류나 보안 규정을 사전에 감지하여 DevSecOps 환경을 강화한다.1. 개념 및 정의Conftest는 Rego 정책 언어를 사용해 구성 파일을 분석하고, 보안·컴플라이언스·운영 기준을 자동으로 검증하는 도구다. 개발자는 코드 수준에서 정책을 정의하여, 배포 전 구성의 적합성을 테스트할 수 있다.즉, Conftest는 ‘정책을 코드로 관리(Poli..

개요SOPS(Secrets OPerationS)는 Mozilla가 개발한 파일 기반 시크릿(Secret) 암호화 및 관리 도구로, 개발자가 YAML, JSON, ENV 등 설정 파일 내의 민감한 데이터를 안전하게 저장하고 버전 관리 시스템(Git 등)에 보관할 수 있도록 지원한다. Kubernetes, Terraform, Ansible 등과 결합하여 GitOps 기반 환경에서 보안과 자동화를 동시에 구현할 수 있다.1. 개념 및 정의SOPS는 평문으로 노출되기 쉬운 비밀번호, API 키, 인증서 등의 **민감 데이터(Secrets)**를 암호화된 형태로 관리하며, 사용 시 필요한 시점에만 복호화하여 애플리케이션 또는 인프라에 전달한다.즉, Git 저장소에 보안을 유지하면서도 DevOps 프로세스 내에서 ..

개요Zeek(구 Bro)은 고성능의 오픈소스 네트워크 보안 모니터링 도구로, 패킷 캡처를 통해 네트워크 레벨의 메타데이터를 수집하고 분석하는 프레임워크다. IDS(침입 탐지 시스템)로도 활용 가능하며, 트래픽 기반 이상 탐지, 포렌식, 위협 헌팅 등에 유용하다. 로그 중심 구조를 기반으로 하여 운영자, 보안 분석가, 포렌식 전문가에게 강력한 분석 기반을 제공한다.1. 개념 및 정의 항목 설명 정의패킷을 분석하여 세션 단위의 이벤트 기반 로그를 생성하는 네트워크 모니터링 프레임워크목적실시간 및 사후 네트워크 위협 탐지와 가시성 확보필요성기존 시그니처 기반 IDS의 한계 보완 및 고급 보안 분석 수요 대응Zeek은 보안 운영뿐 아니라 연구 및 데이터 분석 목적으로도 널리 사용된다.2. 특징특징설명비교이벤트..

개요DSSE(Dead Simple Signing Envelope)는 소프트웨어 아티팩트 또는 메타데이터에 대해 안전하고 일관된 디지털 서명을 가능하게 하는 경량의 서명 포맷이다. in-toto와 sigstore 프로젝트를 통해 사용되며, 간단한 구조와 일관된 검증 메커니즘을 통해 서명된 데이터의 무결성과 인증을 보장한다.1. 개념 및 정의 항목 설명 정의서명 대상과 메타데이터를 함께 포함한 JSON 기반의 서명 포맷목적서명 검증의 표준화 및 무결성 검증 신뢰성 향상필요성다양한 환경에서 신뢰 가능한 서명 전달 수단 제공DSSE는 서명 자체와 서명된 데이터를 포맷 상으로 결합해 위·변조를 방지한다.2. 특징특징설명비교Self-contained서명과 대상 데이터가 하나의 객체로 존재detached 서명보다 ..

개요OCSP Stapling은 HTTPS 통신 중 서버 인증서의 폐기 여부를 클라이언트가 실시간으로 확인하기 위한 기술로, 서버가 인증서 상태 정보를 미리 OCSP(Online Certificate Status Protocol) 응답 형태로 준비해두고 TLS 핸드셰이크 중 클라이언트에게 전달하는 방식이다. 이는 보안성과 성능을 동시에 개선하며, CA(Certificate Authority) 의존도를 줄여 개인정보 보호와 응답 지연을 최소화한다.1. 개념 및 정의 항목 설명 정의서버가 CA로부터 받은 OCSP 응답을 TLS 핸드셰이크 시 클라이언트에 첨부하는 인증서 상태 검증 기법목적인증서 폐기 상태를 안전하고 빠르게 확인필요성클라이언트-CA 직접 통신의 보안, 속도, 프라이버시 문제 해결RFC 6066..

개요Perfetto는 Google이 개발한 고성능 트레이싱(Tracing) 및 프로파일링 플랫폼으로, 안드로이드, 리눅스, 크롬, 서버 애플리케이션 등 다양한 환경에서 시스템 및 애플리케이션 성능을 정밀하게 분석할 수 있는 오픈소스 도구이다. Perfetto는 커널 이벤트부터 사용자 공간 애플리케이션까지 전체 스택의 성능 데이터를 수집하고, 직관적인 시각화 툴을 통해 분석할 수 있다.1. 개념 및 정의Perfetto는 시스템 레벨에서 발생하는 이벤트(스케줄링, 메모리, I/O, CPU 사용률 등)를 고정밀 타임라인 형태로 기록하는 Event Tracing Framework이다. 이는 Chrome Tracing의 차세대 버전으로, 대규모 데이터 수집 및 분석을 효율적으로 수행하기 위해 설계되었다.Perfe..

개요OpenTelemetry Semantic Conventions(이하 OTel SemConv)은 분산 추적(Tracing), 메트릭(Metrics), 로그(Logs) 데이터를 공통된 규칙과 명명 체계로 구조화하기 위한 표준 규약이다. 이는 서로 다른 서비스, 언어, 프레임워크 간에도 일관된 관측 데이터(Context)를 생성하고 분석할 수 있도록 한다.SemConv는 단순한 명명 규칙이 아닌, **Telemetry 데이터의 스키마 표준(Schema Definition)**으로서, Observability의 신뢰성과 상호운용성을 보장한다.1. 개념 및 정의OpenTelemetry Semantic Conventions는 Telemetry 데이터의 필드 이름, 속성(Key/Value), 단위(Unit), 네..

개요monoT5는 Google의 T5(Text-to-Text Transfer Transformer) 모델을 기반으로 구축된 랭킹 모델로, 정보 검색(IR)에서 쿼리와 문서의 관련성을 평가하고 정렬하는 데 사용된다. 주로 Dense Retrieval 또는 BM25 등 초기 검색 결과(candidate set)에 대해 재정렬(rerank)하는 용도로 활용되며, Pointwise 방식으로 학습된다.1. 개념 및 정의 항목 설명 정의T5 모델을 활용하여 문서-쿼리 쌍의 관련성 점수를 예측하는 랭킹 모델목적정보 검색 결과의 정밀도 향상 및 사용자 응답의 질 개선필요성초기 검색 결과의 의미적 정합성을 보완하여 정밀한 문서 추천 실현monoT5는 다양한 쿼리-문서 데이터셋(MSMARCO 등) 기반으로 사전학습되었다..

개요ESI-LAG(Ethernet Segment Identifier - Link Aggregation Group)는 EVPN(Ethernet VPN) 환경에서 구현되는 멀티홈링 기술로, 기존의 MLAG(Multi-Chassis Link Aggregation Group)를 대체하는 차세대 구조이다. EVPN의 제어 평면을 기반으로 여러 장비 간 링크를 논리적으로 하나의 LAG로 묶어, 루프 없는 L2 연결과 고가용성(High Availability)을 동시에 달성한다.1. 개념 및 정의ESI-LAG는 하나의 CE(Customer Edge)가 두 개 이상의 PE(Provider Edge)에 연결될 때, 동일한 **Ethernet Segment Identifier(ESI)**를 사용하여 해당 링크를 하나의 L..

개요EVPN Multihoming(Ethernet VPN Multihoming)은 데이터센터 및 서비스 프로바이더 네트워크에서 다중 링크(링크 중복) 연결을 제공하는 기술로, **고가용성(High Availability)**과 **루프 없는 이더넷 포워딩(Loop-free Forwarding)**을 동시에 달성한다. 이는 전통적인 MLAG(Multi-Chassis Link Aggregation) 구조를 대체하며, EVPN(BGP 기반) 제어 평면을 통해 분산 환경에서도 안정적인 트래픽 분산을 구현한다.1. 개념 및 정의EVPN Multihoming은 **BGP EVPN(Control Plane)**을 이용하여 다수의 PE(Provider Edge) 장비가 동일한 CE(Customer Edge) 장비와 연..

개요MetalLB는 온프레미스(베어메탈) 환경에서 Kubernetes 서비스에 외부 IP를 할당하고, 로드밸런싱 기능을 제공하는 네트워크 로드밸런서다. 클라우드 환경의 로드밸런서(AWS ELB, GCP LB 등)를 대체하며, Layer 2 또는 BGP 기반 네트워크 통합을 통해 트래픽을 효율적으로 분산시킨다.1. 개념 및 정의MetalLB는 Kubernetes 클러스터에서 Service Type: LoadBalancer를 사용할 수 있도록 해주는 오픈소스 네트워크 부하 분산 솔루션이다. 일반적으로 클라우드 외부의 베어메탈 환경에서는 LoadBalancer 타입이 동작하지 않는데, MetalLB는 이를 해결하여 외부 IP 할당 및 트래픽 라우팅을 가능하게 한다.즉, MetalLB는 Kubernetes 네이..

개요Argo Workflows는 Kubernetes 상에서 복잡한 데이터 처리, 머신러닝 파이프라인, CI/CD 파이프라인 등을 선언형(Declarative) 방식으로 자동화할 수 있는 오픈소스 워크플로 엔진이다. YAML 정의를 기반으로 작업(Task) 간 의존성을 관리하며, 컨테이너 기반 실행 환경을 활용해 재현성과 확장성을 극대화한다.1. 개념 및 정의Argo Workflows는 Kubernetes 네이티브 워크플로 관리 시스템으로, 워크플로를 ‘Pod’의 집합으로 실행한다. 각 단계(Step)는 하나의 컨테이너로 구성되며, 워크플로 정의 파일(YAML)을 통해 실행 순서, 입력/출력, 조건 분기 등을 정의한다.즉, Argo는 Kubernetes의 오브젝트로서 워크플로를 배포하고 관리할 수 있게 하..

개요WORM(Write Once, Read Many)은 한 번 기록된 데이터를 수정하거나 삭제할 수 없도록 설계된 데이터 저장 방식으로, 데이터의 무결성과 규제 준수를 보장하기 위한 핵심 기술이다. 금융, 의료, 공공기관 등에서 장기 데이터 보존 및 법적 증거 보호 목적으로 널리 사용된다.1. 개념 및 정의WORM은 이름 그대로 한 번 쓰고(Write Once), 여러 번 읽을 수(Read Many) 있는 저장 방식이다. 이는 데이터를 기록한 후에는 수정, 덮어쓰기, 삭제가 불가능한 구조로, 데이터 조작이나 위·변조를 원천적으로 차단한다.이 기술은 법적 요구사항(예: SEC 17a-4(f), FINRA, GDPR, ISO 27040 등)에 대응하기 위해 설계되었으며, 클라우드 스토리지(AWS S3 Obj..

개요Amazon S3 Object Lock은 객체(Object)를 지정된 기간 동안 변경하거나 삭제하지 못하도록 보호하는 불변(Immutable) 스토리지 기능이다. 이는 데이터 무결성을 보장하고, 금융, 의료, 공공기관 등 규제 산업에서 요구하는 WORM(Write Once, Read Many) 요건을 충족한다.S3 Object Lock은 랜섬웨어 공격 방어, 데이터 복구, 규제 준수(Compliance) 등 다양한 보안 시나리오에서 핵심적인 역할을 수행한다.1. 개념 및 정의S3 Object Lock은 S3 버킷에 저장된 객체에 대해 WORM(Write Once, Read Many) 정책을 적용해, 지정된 보존 기간 동안 데이터를 변경하거나 삭제할 수 없게 하는 기능이다. AWS는 이를 통해 기업이 ..

개요Zstandard(Zstd)는 Facebook(현 Meta)이 개발한 범용 압축 알고리즘으로, 높은 압축률과 빠른 압축/복원 속도를 동시에 제공하는 것이 특징이다. Zstd는 기존의 zlib, gzip, LZ4 등을 대체하거나 보완하기 위해 설계되었으며, 대용량 로그, 데이터베이스 백업, 네트워크 전송 등 다양한 분야에서 활용되고 있다.1. 개념 및 정의Zstandard는 LZ77 계열의 압축 알고리즘으로, 허프만 부호화(Huffman Coding)와 Finite State Entropy(FSE) 기술을 결합해 높은 압축 효율을 달성한다. 또한, 압축 레벨을 조정할 수 있어 사용자는 속도 중심(LZ4 수준) 또는 압축률 중심(Zlib 수준)의 모드를 선택할 수 있다.Zstd는 빠른 스트리밍 처리, 딕..

개요IEEE 802.1Qci는 Time-Sensitive Networking(TSN) 기술군 중 하나로, 네트워크 장치가 수신하는 트래픽에 대해 인게스트(Ingress) 수준에서의 필터링 및 폴리싱 기능을 제공하는 표준이다. 이 기능은 산업 자동화, 자동차, 방송, 항공 등 초저지연·고신뢰 네트워크에서 필수적인 네트워크 안정성과 보안을 확보하는 데 핵심 역할을 한다.1. 개념 및 정의 항목 설명 정의수신 트래픽에 대한 흐름 기반 필터링과 속도 조절을 제공하는 TSN 표준목적네트워크 엣지에서 비인가·초과 트래픽을 사전에 차단필요성결정론적 네트워크에서 예측 불가능한 트래픽을 제어하기 위함802.1Qci는 IEEE 802.1Q 기반 브리지의 기능 확장이다.2. 특징특징설명비교흐름 기반 필터링특정 조건(주소,..

개요ZAB(Zookeeper Atomic Broadcast)는 Apache Zookeeper에서 분산 시스템의 데이터 일관성과 합의를 보장하기 위해 설계된 원자적 브로드캐스트(Atomic Broadcast) 프로토콜이다. Paxos와 유사한 구조를 가지지만, Zookeeper의 리더-팔로워(Leader-Follower) 아키텍처에 특화되어 고가용성과 일관성(consistency)을 모두 달성한다.ZAB는 데이터 복제, 리더 선출, 장애 복구 과정에서 핵심적인 역할을 하며, 모든 노드가 동일한 순서로 동일한 상태 변경(Log)을 적용하도록 보장한다.1. 개념 및 정의ZAB는 ‘원자적 브로드캐스트(Atomic Broadcast)’를 기반으로, 분산된 노드 간에 동일한 순서의 상태 업데이트를 보장하는 프로토콜..

개요CRDTs(Conflict-Free Replicated Data Types)는 분산 환경에서 데이터의 일관성을 유지하면서도 충돌 없는 병합을 가능하게 하는 데이터 구조다. 서버 간 네트워크 지연이나 오프라인 상태에서도 로컬 업데이트가 가능하며, 최종적으로 모든 복제본이 동일한 상태로 수렴하는 것을 보장한다. 이는 실시간 협업 도구, 분산 데이터베이스, 엣지 컴퓨팅 환경에서 핵심 기술로 사용된다.1. 개념 및 정의CRDT는 여러 노드에서 독립적으로 데이터 변경이 일어나더라도 충돌(conflict) 없이 자동으로 병합될 수 있는 데이터 구조다. 전통적인 락(lock)이나 중앙 집중형 동기화 없이, 수학적 합병 규칙을 통해 ‘최종 일관성(Eventual Consistency)’을 보장한다.CRDT의 기본 ..

개요SCRAM(Simple Authentication and Security Layer (SASL) Mechanism): Salted Challenge Response Authentication Mechanism은 네트워크 기반 시스템에서 안전한 사용자 인증을 제공하기 위한 현대적인 프로토콜이다. 특히 SCRAM-SHA-256 및 SCRAM-SHA-512는 비밀번호를 직접 전송하지 않고, 해시 및 솔트 기반 검증을 수행하여 중간자 공격(MITM)과 재사용 공격을 방지한다.1. 개념 및 정의SCRAM-SHA-256/512는 SASL(Simple Authentication and Security Layer) 프레임워크 내에서 사용되는 인증 메커니즘으로, 비밀번호 대신 해시된 챌린지-응답을 교환하여 인증을 수..

개요EU Digital Identity Wallet(EUDI Wallet)은 유럽 시민들이 자신의 디지털 신원 정보를 안전하게 저장하고, 필요 시 선택적으로 공유할 수 있도록 EU에서 추진하는 통합 디지털 ID 지갑 시스템이다. 2021년 유럽연합 집행위원회(EC)에 의해 제안된 개정 eIDAS 2.0 규정의 핵심 구현 수단으로, 공공 및 민간 서비스에 걸쳐 EU 전역에서 신뢰 기반의 디지털 신원 생태계를 형성하는 데 목적이 있다.1. 개념 및 정의 항목 설명 정의EU 시민이 공식적으로 발급받는 디지털 신원 및 자격 증명을 관리하는 디지털 지갑목적국가 간 경계를 넘는 인증 및 자격 검증 표준화필요성개인정보 보호와 신뢰 기반 디지털 거래 수단 제공EUDI는 단일 시장의 디지털 전환을 위한 핵심 인프라이다..