안전한 개발 관행
AI Security와 Risk Management
Angeline Corvaglia
Founder and Digital Transformation Expert
AI의 고유 취약성 대응
데이터 출처와 추적성
- 데이터 출처: 데이터의 기원
- 추적성: 여정 추적
보안 기여
- 데이터 중독 공격
- 손상된 데이터
검증과 정화
- 데이터 검증
- 데이터 정제
보장하는 데이터 특성:
- 정확성
- 관련성
- 악의적 변조 없음
데이터 최소화
- 수집·처리하는 데이터 최소화
- 절대적으로 필요한 것만
위험 감소:
- 프라이버시 침해
- 데이터 도난
암호화와 익명화
- 암호화: 민감 데이터를 안전한 형식으로 변환
- 익명화: 개인식별정보 제거
보안 기여:
- 민감 정보 탈취 공격 완화
보안 코딩 관행
- 코드베이스의 취약점 감소
- 정기 코드 리뷰
- 취약점 스캐닝
- 코딩 표준 준수
보안 기여
- 인프라 공격 완화
접근 제어
- 상호작용 가능한 주체 제한
- 신뢰되고 검증된 개인/엔터티만
보안 기여
- 취약점을 악용하는 외부 공격 차단
보안 인프라
- 하드웨어·소프트웨어 보호
- 방화벽
- 침입 탐지 시스템
- 보안 클라우드 서비스
보안 기여
- 인프라 대상 위협 완화
보안은 기술팀만의 일이 아닙니다
공동 노력이 AI 시스템의 보안, 신뢰, 안정성을 보장합니다.
