ITPE * JackerLab

개요Pixie는 Kubernetes 환경에서 애플리케이션의 상태, 네트워크 트래픽, 시스템 성능을 실시간으로 자동 수집하고 분석할 수 있는 오픈소스 관측(Observability) 플랫폼입니다. eBPF(extended Berkeley Packet Filter)를 활용하여 애플리케이션 코드 수정 없이 데이터 수집이 가능하며, 분산 환경에서 저비용으로 딥 가시성(Deep Visibility)을 제공합니다.1. 개념 및 정의 항목 내용 비고 정의eBPF 기반으로 Kubernetes 워크로드의 성능 데이터를 자동 수집하는 오픈소스 Observability 플랫폼CNCF Sandbox 프로젝트목적코드 변경 없이 애플리케이션 및 인프라 성능을 실시간 모니터링실시간 딥 가시성 확보필요성DevOps 및 SRE 환..

개요Llama Guard는 Meta AI에서 개발한 콘텐츠 안전성(Content Safety) 필터링 모델로, LLM(Large Language Model) 기반 시스템의 입력과 출력을 정밀하게 평가하고 유해성, 편향, 악용 가능성을 판단합니다. 특히 Llama 및 다양한 오픈소스 LLM과 통합 가능한 구조로 설계되어, AI 안전성과 윤리적 사용을 강화하는 데 핵심 역할을 합니다.1. 개념 및 정의 항목 내용 정의LLM 입력/출력에 대한 정책 기반 콘텐츠 안전성 판단 모델목적AI 응답의 유해성 방지 및 사용자 안전 보호필요성LLM이 악용되거나 유해 콘텐츠를 생성하는 것을 방지하기 위함2. 주요 특징특징설명장점정책 기반 분류기Meta의 콘텐츠 정책 기준에 따라 입력/출력 분류일관된 안전성 검토 가능Ins..

개요Test-Time Training(TTT)은 학습이 완료된 모델이 테스트 단계에서 입력 데이터에 대해 스스로를 추가로 학습(최적화)하는 방식입니다. 이는 학습 데이터와 테스트 데이터 간의 분포 차이(domain shift)에 적응하기 위한 방식으로, 특히 일반화 성능 향상과 도메인 적응(domain adaptation)에 효과적인 기법으로 주목받고 있습니다.1. 개념 및 정의 항목 내용 정의테스트 단계에서 입력 데이터에 대해 모델을 부분적으로 추가 학습시키는 방법목적도메인 이동이나 예측 불확실성이 높은 상황에서 성능 향상필요성실제 서비스 환경에서는 학습 시점과 다른 데이터 분포에 자주 노출됨2. 주요 특징특징설명장점Self-supervised learning 활용레이블 없이 입력으로부터 자체 학습 ..

개요Grafana Mimir는 Prometheus 호환형 대규모 시계열(Time-Series) 데이터 저장소로, 클라우드 및 온프레미스 환경에서 수십억 개의 메트릭을 효율적으로 저장하고 조회할 수 있도록 설계된 오픈소스 솔루션입니다. 기존 Cortex 프로젝트를 기반으로 확장되어, 고가용성(HA), 멀티테넌시(Multi-tenancy), 장기 보존(Long-term Retention) 기능을 제공하며, Grafana와의 완벽한 통합을 지원합니다.1. 개념 및 정의 항목 내용 비고 정의Prometheus 데이터를 수평 확장 가능한 아키텍처로 저장·조회하는 분산형 시계열 데이터베이스Grafana Labs 개발, CNCF 프로젝트목적대규모 Observability 데이터의 안정적 수집 및 보존장기 모니터링..