728x90 AI7 1-2. AutoML 이란 무엇인가? 데이터만 있으면 모든 과정을 스스로 해결하는 슈퍼인공지능은 아직 존재하지 않기 때문에 머신러닝 기반의 모델을 개발하고 실제 운영하기까지 많은 과정을 거쳐야 합니다. 머신러닝 모델링은 문제 정의부터 데이터 수집과 전처리, 특징공학, 초매개변수 최적화(Hyperparameter Optimization, HPO), 신경망 구조 탐색, 모델 학습 및 평가를 거쳐 서비스 적용(배포)에 이르기까지 여러 분야 전문가의 많은 시간과 노력이 필요합니다. AutoML은 이렇게 머신러닝을 개발할 때마다 반복되는 과정에서 발생하는 비효율적인 작업 가운데 가능한 부분을 최대한, 데이터 전처리 과정과 알고리즘 선택 및 튜닝 과정에서 모델 개발자의 개입을 최소화하고 고품질 모델을 효과적으로 만들 수 있는 별도의 인공지능을 사용합니.. 2023. 4. 6. 1-1. AutoML 의 탄생. 2020년 GPT-3라는 1,750억 개의 파라미터를 사용하여 인간과 구별하기 어려울 정도로 대화할 수 있는 인공지능 언어 모델 등이 많이 등장하고 있는데요. 하지만 강력한 성능을 보인 인공지능이 상용화로 바로 이어지지 않는 이유는 무엇일까요? 인공지능 모델을 만들기 위해 가장 중요한 것으로 데이터와 알고리즘을 말할 수 있습니다. 이 두 요소와 딥러닝 상용화 관련 문제가 무엇이고 이를 어떻게 해결해야 하는지! 함께 알아볼까요? 먼저, 인공지능을 학습시킬 고품질 학습 데이터(High Quality Training Data)를 준비하는 것이 가장 중요합니다. 사람이 사물을 구분하는 법을 배울 때, 그림 카드로 학습을 하는 것과 같이 인공지능도 사물을 구분하기 위해서는 각 사물이 어느 분류에 해당하는지 알아야.. 2023. 4. 6. 2-1. 인공지능 도입을 위한 준비물 : 데이터 법 동향 자동화와 AI를 위해선 행과 열로 구조화된 데이터가 필수 북미 데이터법 디지털 책임 및 투명성법, 2014 (Digital Accountability and Transparency Act,DATA Act) 디지털 책임 및 투명성법은 미국의 연방정부가 공개하는 데이터에 대한 표준화와 투명성을 강화하기 위한 법률 이를 위해 DAIMS(DATA Act Information Model Schema) 라는 연방정부 재무관리 XML 데이터 스키마를 구축 한국 데이터법 공공데이터의 제공 및 이용 활성화 관한 법률 (시행 2020. 12. 10) 공공데이터법에 따라 국민에게 제공되는 데이터는 기계 판독이 가능하고 자유롭게 수정 변환, 추출 등 가공하여 활용할 수 있는 CSV, JSON, XML, RDF, LOD와 같은.. 2023. 3. 27. 1. 사이버보안의 디지털 전환(DX) : 인공지능 인공지능(AI)은 더 많은 양의 데이터와 보다 빠른 처리 능력, 그리고 더 강력한 알고리즘이 결합되어 더욱 널리 보급되고 있으며, 실제로 AI 기술이 거의 모든 산업에 도입되기 시작하면서 이제는 컴퓨터가 스스로 말하고, 보고 듣고, 의사 결정을 내릴 수 있게 되면서 광범위하고 다양한 산업분야의 활용 사례가 잠재적 비즈니스 기회를 확대시키고 있다. 사이버보안 역시 다르지 않습니다. 글로벌 보안 업체들과 엔터프라이즈 고객들은 대부분 모든 보안관제, 솔루션업체가 자사 서비스와 보안솔루션에 AI를 차용 또는 도입하는 추세에 있으나, 국내의 고객들은 아직 사이버 보안 분야에서의 AI의 활용에 대한 우수성, 편의성, 효율성 등과 ROI에 대해 다양한 정보를 갖고 있지 못한 게 사실이다. 세계경제포럼(World Ec.. 2023. 3. 27. 보안 관제 입장에서 SOAR (자동화) 그리고 AI (인공지능) 의 필요성 많은 보안전문업체는 사이버 위협을 더 잘 분석하기 위해 SOAR(Security Orchestration, Automation and Response, 보안 오케스트레이션, 자동화 및 대응) 솔루션과 인공지능을 도입하고 있습니다. 그러나 패턴 파악과 탐지 기능 개선만으로 인공지능을 도입했다고 할 수는 없습니다. 보안관제와 SIEM(Security Information and Event Management, 보안 정보 및 이벤트 관리) 관점에서 SOAR와 인공지능을 잘 구현하기 위해서는 아래와 같은 조건을 갖추어야 합니다. 첫째, 보안전문가의 수작업 비중을 줄이고 더 선제적이고 생산적인 보안 대응에 전념할 수 있도록 자동화 수준을 강화해야 합니다. 둘째, 인공지능은 미가공 데이터에 숨겨진 위협을 탐지, 검.. 2022. 10. 27. 로그의 통찰 로그 인텔리전스(AIOps) 로그의 통찰 로그 인텔리전스 (AIOps) 로그는 어플리케이션에서 생기는 오류나 처리 상황을 파악하기 위해 사용하는 프로그램의 모니터링에 가장 기본적인 기능입니다. 최근 로그들의 분석 환경들은 클라우드 및 분산 환경의 다양하고 방대한 로그를 수집하여 실시간 분석하여 자동화 하는 것이 로그 인텔리전스의 동향입니다. 일반적인 로그의 활용 개발 측면에서는 어플리케이션과 시스템의 로그를 수집하여 어플리케이션들의 결함을 찾고 성능과 품질을 개선합니다. 보안 측면에서는 서비스의 이상 징후나 침해 예방을 위한 보안 감시를 통해 서비스를 보로 하는데도 활용됩니다. 또 비즈니스 상에서는 서비스의 결함과 처리 상태를 확인하여 완전한 서비스 품질관리 차원에서 활용 되고 있습니다 이러한 일반적인 환경에서 대부분 통합 로그시스.. 2022. 10. 7. 인공지능 보안플랫폼 eyeCloudAI 사이버 위협 탐지의 새로운 대안, eyeCloudAI 인공지능이 숨겨진 보안 위협을 찾아내고, 기존 시스템에서 발생한 이벤트의 정오탐 여부를 판별합니다. Benefits 사이버 위협 탐지율 및 대응 영역 대폭 향상 위협 분석 업무 시간 단축 수동 분석 시 최소 10분 이상 소요되던 분석 시간이 인공지능에 의해 초단위로 처리됩니다. 보안 위협 대응 영역 확대 사람 대신 인공지능이 이상행위 탐지와 오탐 분류를 빠르게 처리하여 보안 위협 대응률이 크게 향상됩니다. ※4만여 시스템을 갖춘 고객A 도입사례에서의 검증 결과입니다. 검증 환경 규모나 연동장비 수가 작아지면 탐지영역에 대한 수치가 대폭 향상됩니다. Key Features 국내 최대규모 보안관제 현장에서 검증된 높은 정확도 및 효율성 99.8%의 탐지율.. 2022. 10. 5. 이전 1 다음 728x90
