llm-security 16
- [AI Red Teaming] 적대적 예제 (Adversarial Examples) — 한 끗 차이로 AI를 속이는 공격
- [Security for AI] 멤버십 추론 공격 (Membership Inference) — 모델이 학습 데이터를 누설하는 법
- [Agentic AI] 멀티에이전트·A2A 보안 — 에이전트끼리 퍼지는 공격과 방어
- [AI Red Teaming] 모델 추출 공격 (Model Extraction) — API로 모델을 훔치는 법과 방어
- [Security for AI] LLM 가드레일 구축 — NeMo·Llama Guard로 입출력 방어하기
- [Security for AI] RAG 보안 — 지식베이스 포이즈닝과 방어
- [AI Red Teaming] PyRIT 입문 — Microsoft의 생성형 AI 레드팀 자동화 프레임워크
- [AI Red Teaming] 데이터 포이즈닝 (Data Poisoning) — 학습 데이터를 오염시켜 모델을 조종하는 법
- [AI Red Teaming] garak으로 LLM 취약점 스캔하기 — 설치부터 리포트 해석까지
- [Security for AI] OWASP LLM Top 10 (2025) 완전 정리 — 항목별 공격과 방어
- [News & Trends] AI 보안 위클리 (2026-06-13)
- [Agentic AI] MCP Tool Poisoning — 신뢰한 도구가 당신을 공격할 때
- [AI Red Teaming] 에이전트 권한 상승 — AI 에이전트가 권한을 넘는 법과 방어
- [News & Trends] AI 보안 위클리 (2026-06-09) — 에이전틱 레드티밍·LLM 에이전트 취약점
- [AI Red Teaming] 프롬프트 인젝션 완전정복 — 직접·간접 주입과 탈옥(Jailbreak)
- [AI Red Teaming] AI 레드티밍이란? — 정의, 전통 보안과의 차이, 방법론