dykw 님의 블로그

**"우리 서비스도 React 쓰는데… 이게 뭔 소리야?"** 12월 3일, 메타(Meta)가 React Server Components에서 **최대 심각도(CVSS 10.0)** 취약점을 공개하자마자, 중국 국가 지원 해킹 조직들은 **이미 스캔을 끝내고 공격에 들어갔습니다.** 약 30시간 만에 공개된 PoC(개념 증명) 코드는 전 세계 보안 커뮤니티를 뒤흔들었고, AWS·Cloudflare 등 글로벌 클라우드 업체들은 긴급 대응에 나섰죠. 여기서 중요한 건, **이 취약점이 일반인의 PC·휴대폰을 직접 노리는 게 아니라는 점**입니다. 대신 **전 세계 수천만 개의 웹 서비스·앱 서버를 대상으로 한 공격**이란 사실. 그래서 일반인들은 "우리가 뭘 할 수 있나?"라는 물음에, 정답은 **"직접 할 ..

오늘 갑자기 배달의민족, LoL, 업비트, 각종 해외 서비스까지 줄줄이 접속 오류 나서 당황하신 분들 많으셨죠?“내 와이파이 문제인가?” 하다가, 트위터(X)랑 커뮤니티 보니 공통 키워드가 하나 뜹니다.바로 클라우드플레어(Cloudflare).평소엔 이름도 잘 모르던 회사인데, 어느 순간 구글 실시간 검색어 1위를 찍었고, 디스코드에선 Cloudflare checkpoint 창이 뜨면서 욕이 난무했죠.도대체 이 회사가 뭐길래, 그리고 왜 우리가 먹는 배달, 하는 게임, 보내는 메신저까지 전부 이 회사 눈치를 봐야 할까요?오늘은 클라우드플레어 장애 이슈 + 디스코드 체크포인트 논란을 계기로,우리가 매일 쓰는 인터넷의 ‘뒷공장’ 이야기를 한 번 시원하게 까보겠습니다.1. 클라우드플레어, 도대체 뭐 하는 회사..

요즘 미국 증시 보신 분들, 넷플릭스 차트 보고 눈 한번 동그랗게 뜨셨을 겁니다.워너 브라더스 디스커버리(이하 워너)를 무려 72조 원 규모로 인수하겠다고 발표하자마자, 정작 넷플릭스 주가가 장 전부터 푹 꺼졌거든요.“아니, 이 정도면 스트리밍 끝판왕 아닌가? 왜 떨어져?”“이거 혹시 승자의 저주 아니냐?”오늘은 넷플릭스 장 전 폭락의 진짜 이유, 그리고 이 딜이 재앙이 될지, ‘최후의 승리’가 될지 가볍게 but 깊게 풀어보겠습니다.1. 지금 무슨 일이냐: 넷플릭스, 워너를 통째로 삼키다넷플릭스가 발표한 내용부터 정리해 볼게요.대상: 워너 브라더스 디스커버리의 스튜디오 + 스트리밍 사업 전체 (HBO·HBO Max 포함)딜 구조:총 720억 달러(약 72조 원) 규모의 현금+주식 거래워너 주주들은 주당..

핵심 요약"특성 공학은 AI 성능을 좌우하는 숨은 무기"입니다.동일한 알고리즘이라도 특성 공학의 질에 따라 정확도가 60% → 95%로 급상승할 수 있습니다.Feature(특성)는 AI 모델의 입력 데이터이며, 특성 선택(Selection)은 중요한 변수만 고르고, 특성 추출(Extraction)은 새로운 변수를 조합해 만듭니다.정규화/표준화로 데이터 범위를 조정하고, PCA로 100차원 데이터를 2차원으로 압축하면서도 정보 손실을 최소화합니다.Kaggle 대회 우승팀의 80%가 "알고리즘보다 특성 공학이 중요하다"고 답한 이유를 완벽하게 설명합니다.📍 목차Feature란 무엇인가?특성 선택(Feature Selection)과 특성 추출(Feature Extraction)데이터 정규화(Normaliza..

핵심 요약"Netflix에서 드라마 추천, YouTube에서 영상 추천, Spotify에서 음악 추천받는 이유를 알고 싶나요?"추천 시스템(Recommendation System)은 사용자의 과거 행동과 선호를 분석해 미래에 좋아할 콘텐츠를 예측하는 AI입니다.Netflix의 추천 덕분에 사용자는 평균 40% 시간 단축 (검색 시간 감소), YouTube는 추천 비디오 재생 시간이 전체의 80% 차지하며, Spotify는 개인화 플레이리스트로 광고 없는 가입자 50% 증가를 이루었습니다.협업 필터링(사용자 간 유사성), 콘텐츠 기반 필터링(아이템 특성), 딥러닝 하이브리드 3가지 방식이 있는데, Netflix는 이 3가지를 모두 결합하여 정확도를 극대화합니다행렬 분해(Matrix Factorization..

핵심 요약"인간의 언어를 기계가 이해하기 시작했습니다."자연어 처리(Natural Language Processing, NLP)는 인간 언어를 컴퓨터가 이해하고 생성하는 AI 분야입니다.1950년대 "기계가 문장을 읽을 수 있을까?"라는 물음에서 시작된 이 분야는, 이제 감정 분석(정확도 96%), 기계 번역(BLEU 40+), 요약(ROUGE 60%), 챗봇(만족도 95%)에서 인간 수준을 넘었습니다.토큰화라는 단순한 기술이 AI 언어 이해의 첫 걸음인데, "Hello world" 같은 단순한 문장을 ["Hello", "world"]로 쪼개는 것부터 시작되며, 이 토큰들이 BERT, GPT 같은 거대 언어 모델의 입력이 됩니다ChatGPT와 Gemini가 가능한 이유는 모두 "토큰화 → 임베딩 → Se..

핵심 요약"AI가 눈을 뜨기 시작했습니다."컴퓨터 비전(Computer Vision)은 이미지와 영상에서 의미 있는 정보를 추출하는 AI 분야입니다.1950년대 "기계가 사진을 "읽을 수 있을까?"라는 물음에서 시작된 이 분야는, 이제 이미지 분류(정확도 99%+), 객체 탐지(YOLO 65fps), 얼굴 인식(정확도 99.5%), 의료 영상 분석(진단 정확도 78% - 전문의 수준)에서 인간을 뛰어넘었습니다.COCO 데이터셋의 객체 탐지 챌린지에서 초기(2015) 정확도 75%에서 현재(2025) 정확도 90%+ 달성했고, Google의 이미지 검색, Apple의 Face ID, Tesla의 자율주행은 모두 컴퓨터 비전의 산물입니다. 딥러닝이 핵심인데, CNN(합성곱 신경망)이 기초가 되어 이미지에서 ..

핵심 요약"어느 것이 더 좋은가?"는 잘못된 질문입니다. BERT와 GPT는 다른 목표의 두 거인입니다.BERT는 양방향으로 모든 문맥을 본다 (문맥 "이해"), GPT는 과거만 본다 (순차 "생성"). 같은 Transformer 기반이지만, BERT는 인코더 구조로 이해에 특화되어 검색(Google 검색), 분류(감정 분석 96.3%), 질의응답(F1 93%)에서 초인적 성능을 보이고, GPT는 디코더 구조로 생성에 특화되어 코딩(90% 정확도), 창작, 번역에서 인간 수준을 넘었습니다이 두 모델이 영감을 주어 RoBERTa(81.2 GLUE), ALBERT(효율 70%), ELECTRA(차별화된 학습), BART(인코더-디코더 균형), T5(모든 작업 통합)이 탄생했습니다.2025년 AI 트렌드는 "..

핵심 요약"다음 단어를 맞혀봐"라는 게임이 AI를 바꿨습니다.GPT(Generative Pre-trained Transformer)는 BERT의 인코더와 달리 디코더만 사용하여 왼쪽에서 오른쪽으로 한 단어씩 생성하는 자기회귀 모델입니다.2018년 OpenAI의 GPT-1은 1억 1천만 파라미터로 시작해 조용히 시작했지만, 2020년 GPT-3는 1,750억 파라미터로 점프하면서 "엑스레이를 보고 병명 진단", "법률 계약서 작성", "시 창작" 같은 무섭도록 똑똑한 일들을 해냈습니다.GPT-3는 코드 생성(GitHub Copilot)에서 90% 정확도, 의료 보고서 작성에서 95% 정확도를 달성했고, 2023년 ChatGPT 출시 후 100일 만에 1억 명 사용자 돌파는 역사적 기록입니다.GPT-4는 1..

핵심 요약"양방향"이라는 단어가 AI를 바꿨습니다.BERT(Bidirectional Encoder Representations from Transformers)는 2018년 구글이 발표한 패러다임 쉬프트입니다.기존 GPT는 "The animal didn't cross the street because it was tired"라는 문장에서 "it"의 의미를 80%만 이해했습니다 (왼쪽 문맥만 봐서).하지만 BERT는 앞뒤 모든 문맥을 동시에 봐서 99% 이해합니다. 마스킹된 언어 모델(MLM)이라는 혁신적인 학습 기법으로, 인터넷 전체(340억 단어)에서 15% 단어를 임의로 숨기고 "너는 이 단어가 무엇인지 맞혀봐"라고 학습시키니, 자연스럽게 양방향 이해가 가능해졌습니다.현재 Google 검색 엔진에 B..