외부 공격 표면 제거를 위한 취약점 점검 자동화

김형오

LG유플러스

• 자산이 관리되지 않고 서비스에 대한 현황이 정확하지 않는 상황에서 최소한의 보안 환경(자산 식별, 스캔 수행 등)을 구축하고자 하였던 내용에 대해 발표하고자 합니다. 진행하고자 하는 내용은 외부 서비스를 식별하는 것을 시작으로 CVE 등 취약점을 빠르게 식별하고 대응하는 업무 프로세스에 대한 내용이고, 이러한 업무 수행을 자동화를 하였던 또는 앞으로 더 나아가야할 자동화 방안에 대한 내용입니다. 자산에 대한 관리가 어려운 상황에서 공격 표면을 줄이기 위한 것에 도움을 줄 수 있을 것으로 판단되어 지원하게 되었습니다.

The Importance of Visibility in Product Security

박정훈

LG전자

• * 제품 보안에 있어 가시성은 여러가지 의미에서 중요성을 가진다.
• - 개발 프로세스상 모든 단계에서 잠재적 보안 위협을 드러내고, 이를 명확하게 처리함
• - 보안 기술에 의해 제품이 보호받고 있다는 것을 고객에게 드러내고, 고객이 안심할 수 있도록 함
• - 제품에 침입 시도가 있을 때 실시간으로 파악하여 즉시 대응할 수 있도록 함
• - 제품 출시 후 취약점이 발견되었을 때 상세 내용과 패치 계획을 고객 및 관계 기관과 명확하게 소통함
• * LG전자는 LG Shield를 통해 제품 보안의 가시성을 높이기 위해 노력하고 있음

SW 공급망 보안 트랜드와 대응 방안

서혁준

LG CNS

• 1) 미국 행정명령과 유럽 CRA법 동향부터 국내 SW공급망 보안 가이드


• 2) SW개발보안의 제도 변화 방향 예상


• 3) SBOM의 수집/분석/공유/관리 등의 방안
• - 제품보안과 SW개발 보안의 SBOM차이, SBOM의 Type, SPDX/CycloneDX표준
• - 국정원의 NIS-SBOM항목,
• - 국내에 필요한 SBOM 항목(필수/선택)
• - 국내 기업들이 올해말부터 내년에 준비해야 할 사항 및 향후 전망(VEX교환)

2025년 AI 개발도구 주요 취약점 사례 분석

권성민

LG CNS

• 1) AI 서비스 위협 모델링 - LLM 기반 시스템은 어디가 위험한가?
• 기존 STRIDE 모델을 LLM 환경에 적용하기 어려움에 따라 L1~L5 기반 위협 모델링 체계를 소개
• LLM의 특수한 위협 (자연어 처리 문맥해석, gent 권한 오용, LLM Jailbreak 등)을 중심으로 설명
• * STRIDE (Spoofing, Tampering, Repudiation, Informaiton Disclosure, Denial of Service, Elevation of Privilege)
• - 시스템의 각 구성 요소(예: 로그인 모듈, API, 데이터베이스)에 대해 위 6가지 위협이 존재하는지 체계적으로 식별하기 위해 사용하는 기준


• 2) SaaS 기반 LLM 서비스 구축 사례
• - RED팀에서 처음에 자체 인프라를 기준으로 LLM서비스 점검을 준비하고 잇엇으나 현업에서는 AWs Bedrock과 같은 방법으로 하고 있있었음. 빠르고 효율적이었던 감상을 공유하고, 그것을 활용했을 때의 보안적 이점에 대해 소개
• - AWS Bedrock(Vector DB, Knowledge base, S3 연계 구성 등)을 통해 보안체계를 빠르고 안전하게 구축할 수 있는 사례 소개


• 3) 2025년, LLM 취약점 리포트 핵심정리
• - 올해 발표되었던 여러 LLM 취약점 리포트를 정리하여 소개
• - 에피소드 형태로 각 취약점들에 대해 서술하여 다양한 위험성에 대해 전달 및 공유


• 4) Red팀의 LLM 서비스 점검 설계기
• - L1~L5로 구분된 LLM 점검 항목을 분류하고 자체 정의하는 과정과 고민을 소개
• - 기존 웹/API 점검과의 차이, 프롬프트 기반 점검 기법, AI 서비스 특화 위협 모델링 등 차별화된 취약점/보안요소를 설명

E/E Architecture 진화에 따른 Automotive Cybersecurity 중요성

권중한

LG전자

• 전기차(EV)와 자율주행 차량의 등장은 E/E 아키텍처에 큰 변화를 가져왔습니다. 전기차는 기존 내연기관 차량에 비해 전자장치의 수가 많고, 복잡한 전력 관리 시스템이 필요합니다. 자율주행 차량은 주행 보조 시스템과 센서 네트워크가 필수적이며, 이를 제어하기 위한 고성능 컴퓨팅 시스템이 요구됩니다. 이러한 요구에 따라 차량 내 E/E 아키텍처는 더욱 복잡해지고, 고성능 컴퓨팅 시스템과 고속 네트워크가 필수적인 요소로 자리 잡고 있습니다. 차량이 인터넷과 연결되고, 소프트웨어 중심의 차량으로 발전함에 따라 차량 안전을 보장하기 위한 사이버 보안의 중요성에 대해 소개하고자 합니다.

Access Control, 그거 누구 담당이죠?

나상혁

LG전자

• Access Control은 DAC과 MAC으로 나뉘며, 시스템 보안의 최전방을 담당하는 핵심 기술입니다. 실무에서는 DAC 문제는 개발자가 직접 해결하지만, MAC 문제는 보안 담당자에게 의존하는 경향이 있습니다. 그러나 MAC 권한 문제를 재현하고 테스트할 수 있는 주체는 결국 개발자입니다. 보안이 강화된 시스템에서는 개발자도 MAC을 이해하고 다룰 수 있어야 하며, 이를 통해 보안 인식의 변화와 협업의 중요성을 강조합니다.

개발자를 위한 Gemini Code Assist, AI 어시스턴트를 넘어 AI 에이전트로

이기원

Google Cloud

• 소프트웨어 엔지니어로 시작하여, 삼성전자에서 모바일 관련 글로벌 서비스를 설계, 구축, 운영한 경험을 가지고 있습니다. 현재는 Google Cloud 에서 애플리케이션 현대화 스페셜리스트로서 Kubernetes, Serverless, AppDev, DevOps 등의 기술을 통해 기업 고객들 대상으로 애플리케이션 현대화 도입 및 하이브리드/멀티 클라우드로의 전환을 돕고 있습니다.

Custom Agent 플랫폼 구축 및 개발 사례 with Google Agentspace

조영택

LG유플러스

• -또 하나의 유플인이자 스마트한 업무 동료
• -업무 효율성과 생산성 향상
• -AI 기반 업무 문화 정착
• -유연하고 확장 가능한 Gen-AI 플랫폼 구축

MCP를 이용한 Agentic AI 활용하기

박경수

AWS

• Agent를 잘 활용하기 위해서 다양한 데이터 소스를 통합하고, 복잡한 워크플로를 Agent에 맞게 최적화 할 수 있어야 합니다. 이번 세션에서는 MCP를 이용해 Agent를 활용하는 방법과 Multi agent를 이용해 Agent간 협업을 유도하고 이를 활용하는 방법을 데모 중심으로 설명합니다. 또한, AgentCore를 이용해 Agent를 쉽게 배포하고 안전하게 활용하는 방법을 소개합니다. 이 세션을 통해 기업에 맞는 Agent 구현하고 안전하게 활용하는 방법을 알 수 있습니다.

Agentic RAG 개발을 위한 Azure AI Search 소개

이창재

Microsoft

• 이번 세션에서는 Azure AI Search와 Agentic Retrieval을 활용해 고도화된 Retrieval-Augmented Generation(RAG) 애플리케이션을 개발하는 방법을 다룹니다. Agentic Retrieval은 전통적인 검색을 넘어, 대규모 언어 모델(LLM)의 추론 능력과 하이브리드 검색(키워드 + 의미 기반 검색)을 결합한 방식입니다. LLM이 전체 대화 맥락을 분석하여 복잡한 질문을 세분화된 하위 쿼리로 나누고, 이를 동시에 실행해 인덱싱된 텍스트 및 벡터 데이터에서 가장 관련성 높은 정보를 찾아냅니다.
• 이번 세션에서는 다음과 같은 주요 기능과 활용 방안을 다룹니다.
• - LLM 기반 쿼리 계획 및 확장
• - 병렬 검색과 의미 기반 랭킹을 통한 검색 품질 향상
• - 생성형 AI 응답의 신뢰성을 높이는 근거 데이터(grounding data), 참고 자료, 실행 계획 제공

Max Capa 기술 전문가 AI 에이전트 개발

윤지호

LG에너지솔루션

• 기존 초거대 LLM (Chat GPT, EXAONE)의 한계점을 극복하고자, 로컬PC, 오프라인 환경에서 독립 구동 가능한 AI 에이전트를 자체 개발함
• [AI 개발 방향]
• 1. 인간 기억력 한계 극복, 보안이슈 제로화 (대외비 문서 학습, 비번/영상/음성 인증)
• 2. 기술 업무 자동화 (PLC 로직 자동분석 등)
• 3. 사무 업무 자동화 (이메일 생성, 유튜브 요약, 음성대화->회의록 생성 등)
• ※ 하이브리드 구조 : Deepseek-R1 (코드) + Meta Llama (추론) + Google Gemma3 (일반)

AI 동료를 얻은 프론트엔드 개발자의 Workflow

박정환

LG유플러스

• 올해 프론트엔드 개발자로서 다양한 AI 도구들을 적극 활용하며 워크플로우에 많은 변화가 생겼습니다. 이 발표에서는 AI를 단순한 도구가 아닌 ‘동료’로 받아들이며 실제 업무 속에서 어떻게 협업하고 있는지를 구체적인 사례와 함께 공유합니다.

SAVE 시스템의 진화 - AI 기반 설계 문서 자동 생성

정병훈

LG전자

• SAVE(Software Architecture Visualization & Evaluation) 시스템에 AI를 이용하여 코드로 부터 SAD(Software Architecture Description) 및 SDD(Software Detailed Design)을  자동으로 생성해 주는 기능에 대한 소개

개발 효율성과 보안 향상을 위한 퍼블릭 클라우드 계정/권한 라이프사이클 기능 소개

임재윤

LG유플러스

• 퍼블릭 클라우드(AWS, GCP, MS Azure) 계정 생성/해지 및 권한 부여/회수에 대한 시각화 및 자동화 솔루션을 개발함으로써 개발 효율성과 보안 향상 두 가지 토끼를 잡은 내용을 공유하고자 합니다. 기존 레거시 방식의 문제점들이 어떤 것들이 있었고, 이들을 개선하기 위한 고민들, 그리고 신규 솔루션을 개발/운영하면서 개선된 점, 느꼈던 점, 앞으로의 계획 등을 공유하려고 합니다.

AI의 근간, 데이터는 어디에서 오는가. - 특히 "고객 행동 데이터"에 대해

최혜경

LG유플러스

• - 서론: 고객 행동 데이터란 (왜 필요한지, 어디에 활용하는지)
• - 본론:
• 1. 웹과 앱을 서비스하는 경우 고객 행동 데이터를 적재하기 위한 사전 준비
• 2. 웹과 앱을 서비스하는 경우 고객 행동 데이터를 입수하는 방법
• 3. 입수한 데이터는 어떻게 활용하는지 (w/ ChatGPT)
• - 결론: 데이터는 신이 내려주지 않습니다. 인간이 만듭니다. - 이 과정에서 왜 전문가가 필요한지

ThinQ Data Curation System의 Multi Cloud migration

노두호

LG전자

• Microsoft와 AI 협력을 진행하면서 AI 서비스에 데이터 공급을 위해 AWS에서 개발된 ThinQ Data Curation (TDC) System을 Microsoft Azure Cloud로 migration 작업을 진행하고 있습니다. 이번 TDC on Azure 프로젝트를 통해 그동안 AWS에 집중되어 있던 역량을 Azure 클라우드 환경으로 migration 하면서 확대된 멀티 CSP 운영에 대한 고민과 경험을 공유하고자 합니다.

챗봇에 필수가 되어버린 RAG기술, 어떻게 사용되고 어떤 요소기술들이 있을까?

차성국

LG유플러스

• 챗봇은 이제 실생활에 밀접하게 녹아들어있습니다.
• 검색증강답변 (RAG) 기술은 챗봇의 필수요소가 되었습니다.
• RAG 기반 챗봇이 사내업무에 어떻게 도움이 되는지 소개하고, 요소 기술에 대해서 소개합니다.

Context Engineering 시대의 RAG 고도화 전략

정의영

LG전자

• Context Engineering 시대에 RAG는 여전히 Context의 핵심 공급원.
• 방대한 사내 지식 자산을 LLM에 얼마나 ‘좋은’ Context로 제공하느냐가 답변 품질을 결정.
• RAG 검색 성능을 한 단계 끌어올리는 실전 전략을 공유할 예정
• - Chunking 최적화와 VectorDB 인덱스 설계로 검색 효율 극대화
• - Retrieval 단계에서 Context Evaluation을 통한 Context 평가 및 Context 보강 전략
• - 사용자 질의에서 Filter 추출 후 metadata 검색으로 검색 범위 정밀화

예측 하지 못한 장애 : 카오스 엔지니어링 활용법

배성혜

AWS

• 모니터링 범위를 벗어나는 장애에 대한 적극적 대처 방안으로, 최근 주목받는 카오스 엔지니어링을 소개하고 사례를 바탕으로 현업에서 실제 적용하는데 있어서의 프로세스 및 방법, 결과 등을 공유 합니다.

어둠속의 혁신: ThinQ 플랫폼의 사용자 세그먼트 기반 Dark Release 도입기

이장훈

LG전자

• ThinQ 플랫폼 내에서 신규 기능을 특정 사용자 세그먼트에 한해 제공할 수 있는 Dark Release 시스템을 구축하였습니다. 이를 통해 실제 고객을 대상으로 한 사전 검증은 물론, 사용자 그룹별 맞춤형 서비스 제공이 가능한 기반을 마련하였습니다.


• 이 시스템은 CX 과제로서 사전 품질 검증과 서비스 안정성 확보, 나아가 개인화된 서비스 제공을 가능하게 하여, 전반적인 고객 경험 품질 향상에 기여할 것으로 기대하고 있습니다.

AWS 단일 환경에서 대규모 네트워크 연동 사례 공유

남광우

LG유플러스

• 하나의 AWS 환경에서 다양하고 복잡한 (수천 개의) 네트워크를 연동하는 모범 사례를 공유합니다.
• (수천 개의 네트워크는 AWS, GCP, On-premise 등 다양한 환경에 존재)


• 어떤 배경으로 해당 프로젝트가 시작되었으며, 작업 중 발생했던 문제들, 해결한 방법들을 공유합니다.

강화학습을 활용한 건조성능 최적화

이진우

LG전자

• 건조기의 건조성능을 향상시키기 위해 적용한 인공지능 기법 설명과 실험결과 발표

샘플링 기반 양자 화학 시뮬레이션

김보성

IBM Quantum

• 이번 발표에서는 양자 화학이 적용되는 다양한 분야에서 활용할 수 있는 Sampling-based Quantum Diagonalization (SQD) 기법을 소개합니다. 이 방법은 고전적인 방법으로는 직접 다룰 수 없는 복잡한 해밀토니안을 양자컴퓨터를 활용하여 시뮬레이션하고 샘플링해 바닥 상태를 추정합니다. 또, 이러한 양자-고전 하이브리드 알고리즘을 통해 기존의 공간 복잡도를 극복하고 화학/재료 분야의 문제를 새롭게 풀 수 있는 가능성을 살펴봅니다.

AI·XR로 암 면역 표적 차단: AI기반 RNA 치료제 가상 공간 설계

강청운

LG CNS

• Meta Quest 3 XR 환경 및 Next.js의 웹환경에서 5J89 단백질의 핫스폿에 RNA 압타머를 배치·수정해 PD-L1, PD-1 결합부위를 차단하는 과정을 시연합니다. XR Unity의 공간컴퓨팅 환경에서 RNA 압타머 조작과 동시에 Next.js·Firebase·Python 파이프라인이 배치.수정 과정을 점수화하고, 웹에서 세부 지표를 제공합니다. 경량 ML을 접목해 휴리스틱을 보강하며, 목표는 RNA 기반 압타머 암 치료제 개발 및 설계의 가속화입니다.

달리기, 아직이라면 이번엔 달려봅시다!

이상윤

LG전자

• "3보이상은 자전거!"를 외치던 제가 우연한 기회로 달리기를 시작해서, 얼렁뚱땅 마라톤을 완주하고 명3보이상은 자전거!"를 외치던 제가 우연한 기회로 달리기를 시작해서, 얼렁뚱땅 마라톤을 완주하고 명실상부한 러너가 되었습니다.


• 달리기를 통해 어떤 즐거움을 느낄 수 있는지, 그리고 달리기를 즐기는 다양한 방법을 소개해드리고 싶습니다

러닝크루 막내가 생성형 AI로 영수증 정산하는 방법

계성혁

LG전자

• 러닝크루에서 뒷풀이를 빼놓을 수 없겠지만, 어쩔 수 없이 술을 못 마시는 사람이 있기 마련입니다. 이 모습을 보고 술 안 마신 사람의 몫을 따로 정산을 했지만 직접 계산하는 것은 귀찮았습니다.


• 이를 효율화하기 위해 Spring AI와 Multi-Modal Foundation Model을 활용해 나만의 정산 계산기를 만든 과정을 소개합니다. Spring AI로 Spring 애플리케이션에 LLM을 접목한 사례를 소개하며, 정산을 잘 시키기 위한 프롬프트의 변화 과정, 토큰 비용을 줄이기 위한 애플리케이션 구조 변화도 공개합니다

낯선문제, 바이브코딩, 입사 3개월차 신입의 성장기

오승근

LG전자

• 신입사원 SW 부트 캠프에서 입사 3개월 차 HS SW 신입으로, MS 사업부의 UI/UX 디자이너 및 프론트엔드 개발자를 위한 AI 기반 아이콘 검색/생성 서비스 'DingQ'를 개발하였습니다. 가장 막내였지만 팀장으로서 PM, 백 앤드, 클라우드를 맡아서 선임/1년 차 선배들과 협업하며 신입사원 부트 캠프 기수 우승에 이어 왕중왕전에서도 우승을 거뒀습니다. 신입사원으로써 현재 뜨거운 이슈인 AI를 활용한 바이브 코딩과 다른 경험들을 가진 팀원들과 협업을 통해 빠르게 아이디어를 구체화하고 성장할 수 있었던 도전의 경험을 공유하고자 합니다.

당신의 코드, 누군가에게는 경험입니다

오재덕

LG전자

• 개발자로서 내가 만든 개발 산출물이 누구에게 전달되어 사용되는지 고민해보고 내 개발 산출물을 사용하는 고객입장에서 어떤 것들이 필요할지 생각해볼 수 있는 시간이었으면 합니다.


• 당신은 개발자인가요?
• 당신의 누구를 위해 개발을 하나요?
• 만약 당신이 고객이라면?
• 고객에게 어떤 경험을 제공할것인가
• 문서화의 중요성
• API 를 만들때 고려했으면 하는 것들
• 당신도 문서를 잘 만들고 싶나요?