Tech Blog

Tech Blog

35 개

AI 보안 운영13

LLM 할루시네이션 감사 구현

// BASTION 기술 해설2026-06-13LLM 할루시네이션 감사 구현AI가 쓴 숫자를, 실제 장비 로그와 대조한다저자: 珍田 秀幸 / 베스트넷 합동회사관련 기사: 아름다운 설계일수록, 실데이

자세히 보기 →

아름다운 설계일수록 실데이터로 의심한다 ― BASTION을 운영에 투입하기 전의 검증 규율

운영 인프라에 자동 제어를 넣기 전에, 자신의 가설을 실데이터로 반증한다 ― BASTION의 검증 규율.

자세히 보기 →

syslog만 전송하면 AI가 장비 유형을 자동 판별하여 모니터링을 시작하는 구조를 만들었다

2026.04 / Tech Blog / BASTIONsyslog만 전송하면 AI가 기기 종류를 자동 판정하여 모니터링을 시작하는 시스템 구축새로운 기기가 syslog를 전송하기 시작하는 순간, LL

자세히 보기 →

AI 로그 모니터링이 “행업된 PC로 인한 계정 잠금”을 감지한 이야기

2026.04 / Tech Blog / BASTION AI 로그 모니터링이 "정지된 PC로 인한 계정 잠김"을 감지한 사례 BASTION의 Windows 클라이언트 모니터링이 자사 직원 계정의 비정

자세히 보기 →

침해 가능성이 있는 DMZ 환경에서 “Agent를 신뢰하지 않는” 전제의 설계

BASTION의 DMZ Agent를 Agent 자체가 침해될 수도 있다는 전제로 설계한 구조를 해설합니다. AI-SLOG가 Agent 이벤트를 별도 경로의 원본 로그와 대조하는 검증 엔진, Agent에게 차단 해제를 허용하지 않는 권한 설계, 하트비트 동결, 24시간 자동 소멸을 소개합니다.

자세히 보기 →

다층 상관 캠페인 탐지 메커니즘

여러 장비의 개별 탐지를 동일 IP를 축으로 5개 계층과 시간으로 중첩해, 단일 장비의 로그로는 보이지 않는 공격 시나리오를 가시화하는 BASTION의 다층 상관 캠페인 탐지를 해설합니다. 코히어런스 함수, 결정론적이고 설명 가능한 임계값 판정, 서브넷·ASN 단위의 그룹 탐지를 다룹니다.

자세히 보기 →

로컬 LLM이 모니터링 리포트의 수치를 조작한 사례와 그 대책

2026.04 / Tech Blog / BASTION 로컬 LLM이 모니터링 리포트의 수치를 조작한 사례와 그 대책 BASTION의 AI 모니터링 리포트에 "인증 실패 639건"이라고 적혀 있었다.

자세히 보기 →

개별적으로는 보이지 않는 공격을 전체 시스템 통합 로그 상관관계로 탐지하는 구조를 구축했다

2026.04 / Tech Blog / BASTION 개별로는 보이지 않는 공격을, 전체 시스템 횡단 로그 상관관계로 탐지하는 구조를 만들었다 방화벽의 포트 스캔, VPN 인증 실패, 애플리케이션

자세히 보기 →

웹 서버에 AI 활성 방화벽을 구현한 이야기

2026.04 / Tech Blog / BASTION웹 서버에 AI 액티브 방화벽을 구현한 이야기Fail2Ban의 고정 임계값으로는 탐지할 수 없는 미지의 Bot 패턴이나 스팸 요청을, 로컬 LLM

자세히 보기 →

Slack 승인 게이트를 졸업하고 공격 출발지 IP 완전 자동 차단으로 이전한 이야기

2026.04 / Tech Blog / BASTION Slack 승인 게이트를 졸업하고 공격원 IP의 완전 자동 차단으로 이행한 이야기 이전 기사에서 Slack 승인 게이트 방식의 리액티브 방어를

자세히 보기 →

AI가 공격을 감지→Slack에서 승인→방화벽에 자동 차단을 추가하는 구조를 구축했다

2026.04 / Tech Blog / BASTION AI가 공격을 탐지→Slack에서 승인→방화벽에 자동 차단을 설정하는 구조를 만들었습니다 BASTION의 “탐지→알림” 루프에 “자동 대응”을

자세히 보기 →

로컬 LLM으로 인프라 로그를 자동 분석하는 구조를 만든 이야기

2026.04 / Tech Blog / BASTION 로컬 LLM으로 인프라 로그를 자동 분석하는 시스템을 만든 이야기 방화벽, 인증 인프라, 스위치, 로드밸런서, 웹 서버의 로그를 15분마다 AI

자세히 보기 →

경량 제로 트러스트 운영 모델 도입 가이드

※본 기사는 당사 내부 논의·경험 및 일반적인 보안 원칙을 바탕으로 정리한 내용입니다. 특정 기업·조직의 공식 견해나 특정 벤더의 내부 구현을 나타내는 것이 아닙니다. ✅ 면책 사항 본 기사의 내용

자세히 보기 →

AI 협업4

표준 OBD 너머로 — SAM·EIS·ESP를 읽기 위한 준비

연재 “AI를 활용한 OBD 진단” 제3회. 보유한 OBDLink EX로 제조사 고유 진단을 하기 위해 어댑터의 통신 기능과 차종별 진단 정의를 구분해 준비했습니다. 완성된 것은 읽기 프로그램과 오프라인 검증까지이며, 이 차량에서 SAM·EIS·ESP를 읽은 실적은 아직 없습니다.

자세히 보기 →

DTC가 0건이어도 진단은 끝나지 않는다 — 첫 로그 읽는 법

연재 “AI를 활용한 OBD 진단” 제2회. W204 C63 AMG의 첫 로그에서 표준 OBD의 저장·보류 DTC는 0건, 영구 DTC는 미취득이었습니다. 조회한 범위와 측정 조건을 나누어, 실측값으로 무엇을 말할 수 있고 무엇을 말할 수 없는지 정리합니다.

자세히 보기 →

AI로 OBD 진단 시작하기 — 기록을 남기는 것부터

시동이 걸리지 않는 2009년식 Mercedes-Benz W204 C63 AMG를 소재로, AI로 OBD 취득 프로그램을 만들고 실측 로그로 다음 조사를 정하는 연재의 제1회. 사람과 AI의 분담, 표준 OBD부터 시작하는 이유, 원본 로그를 조건과 함께 남기는 설계를 소개합니다.

자세히 보기 →

사람은 물리, AI는 논리 — 프로덕션 클러스터 증설을 AI 에이전트와 분담한 기록

프로덕션 가상화 기반에 새 서버 노드를 증설하는 작업을 사람과 AI 에이전트(Claude)가 분담한 실무 기록. AI에 맡기길 잘한 일, 사람이 쥐고 있어야 했던 판단, 그리고 AI가 저지른 실패와 아슬아슬했던 사고까지 숨기지 않고 정리했습니다.

자세히 보기 →

GPU·LLM 인프라8

Qwen2.5-14B + GPUStack으로 정확도와 결정성을 양립한 구현 기록

BASTION이 클라우드 LLM API 대신 GPUStack 기반 로컬 LLM(Qwen2.5-14B)을 채택한 이유와 구현을 해설합니다. LLM은 로그 요약·보고서 생성 등에만 쓰고 중대도 판정과 차단 실행은 결정론적 로직에 맡기는 설계와 JSON 출력 강제, 낮은 temperature 등을 소개합니다.

자세히 보기 →

V100에서 pipeline_parallel=2 크래시 문제 해결

  Tech BlogGPUStackvLLMTesla V100Multi-Node GPU 클러스터 운영 메모 pipeline_parallel=2가 V100에서 크래시하는 문제를 해결하고tens

자세히 보기 →

GPUStack v2.1.1 멀티 노드 추론이 시작되지 않는 문제를 모두 해결한 이야기

Tech BlogGPUStackMulti-Node vLLMTesla V100TroubleshootingGPU 클러스터 운영 메모GPUStack v2.1.1 멀티노드 추론이 시작되지 않는 문제를 모두

자세히 보기 →

Dify를 v1.9.2에서 v1.13.3으로 업그레이드할 때의 진행 방법과 주의점

인프라 / Self-hosted AI 플랫폼 Dify를 v1.9.2에서 v1.13.3으로 업그레이드할 때의 진행 방법과 주의점 Self-hosted Dify의 업그레이드는 기존 docker-comp

자세히 보기 →

Bestnet Cloud × GPU-VPS를 10G 프라이빗 네트워크로 연결하고 GPUStack 클러스터를 구현하는 절차

사용 방법BESTNET-CLOUDGPU-VPSGPUStack10G Private NetworkNFS Shared Cache기술 블로그 / 인프라 구축 가이드Bestnet Cloud × GPU-VPS

자세히 보기 →

GPUStack을 v0.7.1에서 v2.1.1로 마이그레이션한 이야기

Tech BlogGPUStackDocker MigrationNFS Shared CacheGPU 클러스터 운영 메모GPUStack을 v0.7.1에서 v2.1.1로 마이그레이션한 이야기공유 NFS 모델

자세히 보기 →

Proxmox VE 상의 Ubuntu 24.04 VM에서 Tesla V100에 NVIDIA Driver와 CUDA 12.9를 도입하기

Proxmox VE / Ubuntu 24.04 / NVIDIA CUDAProxmox VE 상의 Ubuntu 24.04 VM에서 Tesla V100에 NVIDIA Driver와 CUDA 12.9 설치

자세히 보기 →

Rocky Linux 9.3에 NVIDIA 드라이버 및 CUDA 설치

설치 절차STEP1. 공식 NVIDIA 리포지토리 추가Rocky Linux 9용 공식 NVIDIA CUDA 리포지토리를 시스템에 등록합니다. 다음 명령을 실행하면 CUDA(NVIDIA) 리포지토리가

자세히 보기 →

데이터베이스 마이그레이션3

도구·검증 노트4

모니터링·자동화3

©2020 BESTNET.LLC . All Rights Reserved.