Naver Pay

·DevOps·

Playwright, Test Automation, Artificial Intelligence, Mutation Testing, Stryker

Naver Pay는 AI로 작성된 테스트가 실제 검증을 대체하거나 허수를 남길 수 있는 문제를 분석하고, 허수 테스트를 식별하는 전략을 제시합니다. 정규식 후보 탐지, 실행된 expect 수 세기, API 장애 주입, 명세 준수 여부 확인 등 다각적 방법으로 허수를 찾아내는 구체적 방법을 다룹니다. 또한 뮤테이션 테스트, E2E 장애 주입, 외부 목(mock) 검증 등을 통해 테스트의 신뢰성을 높이기 위한 실무 지침을 제공합니다.

라인

·Else·

Conference, Learning, Networking, Community, Professional Growth

라인의 서비스 보안 연구팀이 DEF CON CTF 2026 본선 참가를 준비하며 연합팀 SuperDiceCodeLo의 활동을 소개합니다. 팀원 김종환, 양성조, 임홍렬의 취약점 분석 역량과 서비스 보안 점검 경험이 DEF CON 준비에 어떻게 반영되는지 요약합니다.

삼성전자

·AI/ML·

Performance, SQL, Perfetto

삼성전자가 자동화 테스트에서 Perfetto 분석과 코드 개선안을 한 번에 도출하는 하이브리드 성능 분석 플랫폼 개발기를 다룹니다. 규칙 기반 재현, Perfetto SQL 전처리, 로컬 소스코드 매칭, 6종 AI 어드바이저를 결합한 접근으로 이슈 분석 리드타임을 1주에서 30분으로 단축했습니다. 홈 앱의 주요 시나리오에서 Janky Frame을 47.68% 개선한 결과와 구현 과정의 시행착오를 실무 포인트와 함께 상세히 공유합니다.

구글

·Backend·

Go, Gemini, Fuzzing, Constraint Solver

구글이 Go 코드의 남아 있는 경계 검사 트랩을 Gemini 4 Argon과 Z3 제약 솔버와 결합해 잠재적 경계 초과 패닉을 포착하는 방법을 소개합니다. Go 코드에서 잠재적 경계 초과 패닉을 포착하고 go test -fuzz의 슬라이스 용량 블라인드 스팟을 밝혀내는 구체적 방법과 분석 절차를 제시합니다. 이 연구를 통해 개발자는 퍼즈 테스트에서의 커버리지를 확장하고, 잠재적 오류를 조기에 해결하는 실무적 통찰을 얻을 수 있습니다.

구글

·AI/ML·

Anomaly Detection, OpenTelemetry, Security, Observability, AI Agents

구글의 Agent Anomaly Detection(AAD)은 OpenTelemetry 트레이스와 로그를 분석하여 AI 에이전트의 목표 탈취와 도구 남용을 비동기식으로 모니터링합니다. 다섯 개의 공개 보안 벤치마크에서 테스트되어 해로운 지시의 87%를 런타임 지연 없이 포착했고, 정확도와 신뢰성 있는 성능을 보여줍니다. 개발자들은 시맨틱 거버넌스와 엄격한 도구 사용 제한과 함께 AAD를 방어-심층 전략의 일부로 통합하여 에이전트 기반 애플리케이션의 보안을 강화할 수 있습니다.

구글코리아

·AI/ML·

Announcement, News, Product Launch

구글코리아가 제미나이 4 하이드로젠(Hydrogen)을 소개합니다. 제미나이 4 하이드로젠은 해당 기술 영역의 가치와 활용 가능성을 간략히 다룰 뿐만 아니라, 업계에 미치는 잠재적 영향과 도입 시 고려해야 할 포인트를 다룹니다.

구글코리아

·Architecture·

Strategy, Innovation

구글코리아가 인텔리전트 아이웨어의 개인정보 보호 설계 원칙에 대해 다룹니다. 본 요약은 핵심 원칙과 실무 적용 시나리오를 가이드 형태로 제시하며, 현장 보안 고려사항과 개인정보 정책 연계 포인트를 함께 다룹니다.

구글코리아

·Else·

Innovation, Event, Partnership, Product Launch

구글코리아가 인텔리전트 아이웨어 라인업 공개와 사전 예약 시작 소식을 발표합니다. 이 발표는 인텔리전트 아이웨어 카테고리에 대한 개요를 제시하고, 파트너 관계와 향후 개발 방향을 다룹니다.

AWS

·AI/ML·

AWS Lambda, Amazon RDS, Amazon S3, Amazon SageMaker Canvas, Amazon EventBridge Scheduler

AWS의 사례로 다이닝브랜즈그룹이 Amazon SageMaker Canvas를 활용해 데이터 사이언티스트 없이 수요예측 자동화를 구현한 아키텍처를 소개합니다. 데이터 수집에서 학습, 예측, 결과 반영까지를 자동화하고, Amazon RDS·S3·ECR·AWS Lambda와 EventBridge를 활용한 정기 파이프라인으로 시스템을 연결했습니다. 특히 세 모델 구성과 자동화된 발주 연계를 통해 신선계육 등 주요 품목의 재고 비용 절감과 품절 리스크 감소를 기대합니다.

AWS

·AI/ML·

Python, Amazon SageMaker, Amazon ECS, Amazon Bedrock, Anthropic Claude Haiku

AWS가 제공하는 Amazon Bedrock 기반 Context Tier-Routing을 바탕으로 KB증권의 내부 에이전트 '깨비AI'의 최적 모델 선택 방식을 소개합니다. 질의 난이도와 에이전트 실행 상태를 반영해 각 LLM 호출마다 적합한 모델로 전환하고, Elevate-only 정책으로 불필요한 하향 전환을 방지하는 설계를 설명합니다. 실험 결과 품질을 유지하면서 토큰 사용량과 클라우드 호출 비용을 감소시키는 효과와 운영 시사점을 제시합니다.