안녕하세요! 요즘 무선이어폰이 정말 인기가 많습니다. 현재는 다양한 무선이어폰이 많이 출시되었는데요. 저는 그 중에서도 애플 사의 에어팟을 애용하고 있었습니다. 그런데 몇개월 전 에어팟 3세대, 프로가 출시되었습니다. 저 또한 에어팟 프로에 관심을 가지지 않을 수 없었는데 329000원으로 에어팟 시리즈 중 최고가의 가격이라 섣불리 구매하기는 힘들었습니다. ^^;
그러던 중 운 좋게도 안랩 대학생 기자단 우수 기자로 선정되어 부상으로 에어팟 프로를 받게 되었습니다! 그래서 에어팟 프로 언박싱 후기를 포스팅 하고자 합니다. (안랩 감사합니다 ㅎㅎ)
에어팟 프로 박스 사진입니다. 정말 애플스럽네요.
박스를 개봉한 모습입니다. 기존 에어팟1, 에어팟2보다 본체가 가로로 더 넓은 모습을 하고 있네요.
본체 밑에는 케이블과 이어폰 팁이 들어있습니다. 총 구성품은 본체, 유닛, 케이블, 이어 팁, 설명서로 간단하게 구성되어 있습니다.
기존 에어팟1, 2와 다른 점 중 하나입니다.기존과는 다르게 이어 팁이 있고 사이즈 별로도 제공됩니다. M사이즈는 유닛에 끼워져 있고 현재 보이는 것은S와L사이즈 입니다.
정말 이쁘네요 ㅎㅎ 뺄 때는 기존 에어팟1, 2처럼 잡아서 위로 빼는 거보다 뒤에서 앞으로 밀면서 빼는게 더 잘 빠진다고 해서 해봤는데 전 어떻게 빼든 다 비슷한 것 같습니다.
에어팟을 열면 자동으로 연결이 잘 됩니다. 제일 설레는 순간이네요 ~
에어팟 프로의 제일 대표적인 기능이라고 할 수 있는 노이즈 캔슬링!
연결 되자마자 에어팟 아무 쪽이나 길게 누르면 소음제어를 할 수 있다고 알려줍니다.
드디어 에어팟 프로를 연결했습니다 ~ 기존의 에어팟 안녕..!
‘연결됨’ 옆에 ‘i’를 누르면 상세 설정을 할 수 있습니다.
상세 설정에 들어간 모습입니다. 기존 에어팟 1, 2와 큰 차이점은 없지만 노이즈 캔슬링 설정이 들어가 있네요.
제가 직접 사용하면서 시험해본 결과,
노이즈 캔슬링모드일 때는 확실히 주변 소음이 잘 안들립니다. 유닛을 귀에 끼자마자 소음이 제거가 되는 것이 느껴지구요. 택시에 탔을 때 택시 네비게이션 소리가 거의 안들리고 기사분의 목소리도 잘 안들려서 도착한 지 모르고 계속 앉아있었던 적이 있습니다 ^^ 확실히 주변 소음에 방해 받지 않고 싶을 때 사용하면 좋을 것 같습니다.
노이즈 캔슬링 모드를 껐을 때의 기능은 타 무선 이어폰과 동일했습니다. 하지만 음질은 확실히 다른 기기 보다 좋아진 것 같았습니다.
주변음 허용 모드 일때는 주변음 소리가 더 커집니다. 제 생각에는 마이크를 통해 들어온 소리를 스피커로 내보내 주는 것 같습니다.
지금까지 에어팟 프로 언박싱 후기였습니다! 에어팟 프로는 기존보다 더 성능이 좋아진 모습으로 찾아왔습니다. 제가 일주일 정도 사용해봤는데 사용하면서 느낀 장점은 ‘노이즈 캔슬링’ 기능이 유용할 때가 많고, 음질이 매우 좋다는 것입니다. 음악 감상을 할 때에도 음질 덕분에 감상에 더 집중할 수 있고, 통화를 할 때에도 상대방의 목소리가 매우 선명하게 들립니다. 아무래도 에어팟 프로의 단점은 가격이겠죠? 제 생각에는 가격 말고는 딱히 단점이 없다고 생각됩니다.
1. 윈도우7 지원 종료 D-DAY 14 2. 윈도우7 지원 종료 2020년 1월 14일, 마이크로소프트(MS)사의 PC 운영체제인 윈도우(Windows) 7의 기술 지원이 종료된다. 3. 윈도우7 계속 쓸 수 있을까? 마이크로소프트(MS)는 “윈도우7을 실행하는 PC를 계속 사용할 수는 있지만 문제 관련 기술, 소프트웨어(SW), 보안 업데이트, 수정 등은 제공되지 않는다”고 공지했다 4. 윈도우7 계속 사용한다면… 기술지원이 종료되면 새로 발견되는 보안취약점에 대해서는 보안조치가 불가능하여 이를 악용한 개인정보 유출, 랜섬웨어 감염 등 보안위협이 발생할 수 있다. 5. 백신 프로그램을 설치해도 위험할까? 신규 보안 취약점이 출현하면, 백신 프로그램만으로는 운영체제의 근본적인 취약점이 해결 되지 않아 안전하게 컴퓨터를 이용할 수 없다. 6. 사용 중인 윈도우 버전 확인은 어떻게? 좌측 하단 윈도우 시작 버튼을 누른 뒤 검색창에 ‘winver’라고 입력하면 된다. 7. 어떻게 해야 하나? 해킹 등 사이버침해사고로 인한 피해를 예방하고자 할 경우 2020년 1월 14일 이전까지 다른 운영체제*로 교체하거나 상위버전(윈도우10)으로 업그레이드하시는 것을 권장한다. * 교체 가능 운영체제 : 하모니카OS, 구름OS, Red Hat, CentOS, fedora, TIZEN, ubuntu, LinuxMint 등 8. 당장 갈아탈 수 없다면?(1/2) 일단 지금까지 배포된 윈도우7 관련 보안 패치라도 빠짐없이 적용하도록 한다. 상당수의 악성코드나 사이버 공격은 알려진 취약점을 이용하고 있기 때문에 배포된 패치만 모두 적용해도 사전 예방에 큰 도움이 된다. 9. 당장 갈아탈 수 없다면?(2/2) 모든 PC를 일일이 확인하기 어렵다면 패치 관리 솔루션을 이용해 전사 시스템에 윈도우7의 보안 패치 적용 여부를 확인하고 조치할 수 있다. 안랩 EPP 패치 매니지먼트(AhnLab EPP Patch Management)는 중앙에서 전 시스템의 패치 현황을 한 번에 확인하고 조치할 수 있을 뿐만 아니라 윈도우7 및 윈도우XP 등의 보안 패치를 손쉽게 적용할 수 있는 기능을 제공하고 있다.
9월 1일 한국경제연구원이 발표한 '대학생 취업인식도 조사'에 따르면 대학생 취업 선호 1위는 23%를 차지한 '대기업'이었습니다! 대학생들이 희망하고 선망하는 대기업에 20년간 근무해온 정보보안전문가, 삼성 SDS 통합보안센터 이원래 프로님을 만나 인터뷰를 해보았습니다. 정보보안 직군을 희망하고, 진로에 대해 고민하는 대학생들을 대표하여 정보보안 전문가가 하는 일, 전망에 대해 여쭤보았습니다!
Q1. 자기소개 부탁드립니다!
삼성SDS 통합보안센터에서 IOT제품 취약점 분석업무을 하고 있습니다. 주로 스마트TV, 스마트 냉장고, 스마트폰 등이 주요 대상입니다. 인터넷에 연결된 기기들에 대하여 외부 해커 공격을 예상에서 찾아내어 미리 제거하도록 가이드를 제공합니다.
제품을 받으면 제품에 설치된 SW를 찾아내어 이용방법을 알아냅니다. 설치된 SW를 다운로드하여 리버싱의 방법으로 분석합니다. 일반 사용자가 입력하지 않는 특수문자의 조합을 이용하거나 긴 문자를 입력하여 SW가 오작동하는지 확인하고 이를 통하여 취약점을 찾습니다.
Q2. 올해 정보보호 산업회가 20주년을 맞이했고 정보보안 산업이 유명하지 않았는데 어떻게 정보보안으로 진로를 정하셨나요?
처음 회사에는 SW개발인력으로 입사했습니다. 팀 보안담당자가 취약점을 알려주고 조치하라고 이야기를 들었는데 멋있어 보였습니다. 2000년 당시에는 유니코드 취약점과 BOF(buffer overflow)가 인상깊게 남아 있습니다. 내가 직접 개발하는 업무도 재미있지만 다른 사람이 개발한 SW에서 취약점을 찾는 업무가 수수께끼 같기도 하기도 하고 재미있겠다라는 생각이 들었습니다.
제 생각에는 당시 유망 업종에 정보보호 전문가가 있지 않았나 하는 생각이 듭니다. 너무 오래된 일이라 생각이 정확하지는 않지만 정보보호전문가는 항상 유망한 직업에 있었던 것 같습니다. 문제는 실제 유망한지는 모르겠고 20년 동안 항상 유망업종에 있었던 것 같습니다 (하하하)
Q3. 근무하면서 가장 기억에 남은 일은 무엇인가요?
주로 하는 업무가 그룹내 제품이 대상이다 보니 외부에 발표할 일이 없습니다. 내부 규정으로 제한하고 있습니다. 그러나 예외적으로 타사의 제품에 대한 점검을 진행하기도 하는데 그런 경우는 취약점을 벤더사에 알려주고 취약점을 조치하도록 합니다. 외국의 방화벽 제품이었는데 벤더사에 취약점 제보를 했는데 CVE를 주었습니다.
관리자 사이트 인증 우회 및 명령어 실행 취약점이었는데 어렵게 발견하기도 했지만 크리티컬 (중대 취약점) CVE를 받았고 아직도 인터넷에 조회하면 CVE와 제 이름이 나와서 기억에 오래 남습니다.
*CVE(Common Vulnerabilities and Exposures): 정보 보안 취약점 표준 코드
Q4. null@root 일원이라고 하셨는데 null@root에서는 무엇을 하나요?
널루트는 해커모임입니다. 같이 모여서 CTF (해킹대회)에 참가하서나 세미나도 하고 해킹 동향도 공유하고 정보도 나눕니다. 매년 신입을 모집했는데 18년도에 들어갔습니다.
10년이 넘게 회사의 일만 하다보니 회사 사람 친구만 있고 더 넓게 사람을 사귀고 싶어서 모임에 지원서를 넣었습니다. 매일 하는 일이 이 일이다 보니 특별히 더 준비한 것은 없습니다. 다만 가입하는 과정이 길고 과제도 많습니다. 주로 주말을 이용하여 과제를 해결했고 같이 해킹할 수 있는 해커를 만난다는 설레임으로 과제를 해결하여 모입에 가입할 수 있었습니다.
Q5. 대기업을 20년 넘게 근무한 비결이 있으신가요?(하하)
사진 제공: 이원래 프로님
96년에 입사했으니 20년은 훌쩍 넘었네요. 회사를 옮겨야 하는 이유를 못찾아서? 또는 용기가 없어서? 뭐 특별한 비결이 있는지 잘 모르겠네요.
처음에는 개발자로 4~5년 근무하다가 정보보호 업무로 변경하고 해외 주재도 했어요. 보안관리 부서에서도 근무해보고 홈페이지 점검을 포함해서 지금 취약점 찾는 업무를 대략 10년를 하고 있습니다. 중간에 부서도 바뀌고요.
하는 일에 변화를 주고 싶으면 우선 부서에서 변화를 주고 부서 내에서 변화가 부족하다 싶으면 부서 자체를 바꾸어보고 모든 변화를 회사내에서 해보았고 그것이 저와 잘 맞았던 것 같아요.
Q6. 하는 일에 대해서 후회하신 적이 있으신가요?
보안 업무 처음 시작이 2000년 경 부터였고 2001년 사내 해킹대회에 참가한 경험이 있습니다. 그때 해킹존 문제를 풀면서 나는 왜 미리 공부를 안했을까 하는 후회를 했습니다. 당시 입사 5~6년차인데 업무도 잘알고 개발도 잘하겠는데 해킹 특히 어셈블리는 잘 모르겠더라구요. 그래서 책도 사고 했는데 그렇게 열심히 안했던 것 같아요. 신기한 것은 지금도 똑같은 생각을 합니다. 왜 그 때 미리 공부를 안했을까 하고요.
Q7. 정보보안 진로를 희망하는 대학생들께 하고 싶은 조언은?
정보보안 업무가 분야가 많이 있습니다. 정책이나 교육, 감리, 리버싱, 포렌직 등이 해당됩니다. 그러나 생각만큼 fancy하지는 않습니다. 공부도 많이 해야합니다. 그리고 무엇보다 시장이 작습니다.
작은 시장에서 본인이 원하는 것을 직업으로 하기 위하여 공부를 많이 해야합니다. 일반적으로 고등학교 대학을 가기 위해 하는 것처럼 공부해야 합니다. 어느 정도 하면 되었다라는 것은 없습니다. 최신 트렌드가 계속 바뀌기 때문에 계속 공부해야합니다. 마음 단단히 먹고 들어와야 합니다.
Q8. 앞으로 최종 목표는 무엇인가요?
지금 하는 일을 오래 계속하기를 바랍니다. 13년에 블랙햇이라는 해킹 컨퍼런스에 다며왔는데 허리가 굽은 할이버지 한분이 컨퍼런스에 오셔서 발표를 듣는 것을 보고 감명을 받았습니다. 그 분 나이를 80세로 추정하면 저도 이 일을 앞으로 30년은 더 할 수 있겠다 싶습니다.
지금도 해킹모임에서 세미나를 해고 CTF에 참가도 합니다. 앞으로 목표는 CTF 본선에서 좋은 성적을 내는 것입니다. 20년에는 세계 해킹대회 DEFCON 본선에도 나가고 국내 대회인 CCG에서 올해보다 더 좋은 성적을 내고 싶네요. 굵직한 취약점도 찾아서 컨퍼런스에 발표도 하고 싶습니다.
Q9. 얼마 전에 Security Meetup WAVE 2019를 다녀왔는데, 정보보안 분야에서 스타트업을 육성하기 위한 과제가 무엇이라고 생각하십니까?
꼭 정보보호 분야 뿐만이 아니라 스타트업 육성을 위한 과제 자체가 많이 있었으면 좋겠습니다. 아직은 IT업계 자체가 스타트업을 위한 환경이 미흡하다고 생각합니다. 정보보안 업무 자체는 IT를 기반으로 하기 때문에 IT 기반 스타트업 지원이 잘 되면 자연스럽게 따라가는 것이라고 생각합니다. 비유를 들면 사람이 건강하지 않은데 팔운동만 하는 격이라고 할까요 (하하하).
그래도 뽑으라고 하면 취약점 제보 플랫폼이 제일 먼저 생각납니다. 현재는 일부 sw에 대하여 KISA에 제보하고 제보한 sw취약점에 대하여 포상금을 지급하는 형태입니다. 외국은 취약점 자체에 대함 평가를 하고 취약점 자체를 상품화합니다. 우리나라에서는 역기능을 우려하여 제제를 하고 있는데 제 생각에는 제제를 풀어서 장려했으면 합니다. 취약점 자체가 상품화가 되면 스타트업 기업에게 좋은 기회가 될 것입니다.
Q10. 마지막으로 하고 싶은 말씀해주세요!!
정보보안 전문가가 10년 뒤 유망직종에 항상 들어갑니다. 20년 전부터 들어갔는데 20년이 지난 지금 현실을 보았을 때 유망직종인지 잘 모르겠습니다. 얼마큼 공부를 하면 끝이 있는 것도 아니고 어느 정도 회사를 다닌다고 창업에 메리트가 있는 것도 아니고 시장이 점점 커지는 것고 아니고 조금은 우울하기도 합니다.
그러나 저는 지금 하는 일이 아직도 재미있습니다. 어제 저녁 때까지 보던 코드가 집에 가서 생각이 나고 아침에 회사에 가서 또 볼 생각을 하면 즐겁습니다. 누가 돈을 주지 않아도 주말에 집에서 해킹 문제를 풀고 취약점을 찾습니다. 풀리지 않는 문제를 몇달 동안 잡고 있어도 문제를 잡았을 때는 시간이 어떻게 가는지 모르겠습니다.
지금 하는 일이 재미있냐고 가슴이 뛰냐고 물어보고 싶습니다. 살면서 자는 시간 빼고 계속 해야하는 일입니다. 회사에서 8시간을 보내야 하는 일입니다. 재미있고 즐거운 일을 찾으세요.
이상으로 삼성SDS 통합보안센서 이원래 프로님을 만나보았습니다! 정보보안 산업에 대한 인식, 정보보안 전문가로서의 생각을 들어보았는데요, 유쾌한 인터뷰 현장이었습니다. 정보보안 직군을 희망하는 대학생분들이 열심히 공부해서 이원래 프로님을 잇는 "멋진 정보보안 전문가"가 되길 응원합니다.
2019년 12월 19일, 과학기술정보통신부가 주최하고 KISA와 Ahnlab이 함께 주관한 Security Meetup WAVE 2019에 다녀왔습니다. 본 행사는 Security Startup 생테계 조성을 목적으로 한 Startup 회사, 투자자, 보안 기업인들과 만남의 장으로 보안 산업의 스타트업 발굴 육성을 위해 함께 토론하고 정책을 모색해보는 자리였습니다.
첫 행사 순으로 Security Startup 육성의 필요성을 역설하기 위해 이한주 스파크랩 대표님의 연설이 있었습니다. 환경의 다변성에 맞춰 고객의 니즈를 충족시키는 스타트업 육성의 필요성에 대해 말씀하셨습니다. 또한 정부의 가장 중요한 역할은 투자가 아니라, 스타트업의 보안 솔루션을 SI없이 직접 먼저 써주는 일이라고 강조하셨습니다.
다음으로 안랩, 나눔엔젤스, 센스톤, 큐비트시큐리티, 펜타시큐리티시스템을 대표하는 다섯 분들을 모시고 Security Startup 육성을 위한 과제를 함께 토론해보는 패널 토크가 있었습니다. 1995년, 안랩이 설립되었고 정보보호 산업회는 올해 20주년을 맞이했습니다. 짧다면 짧은 시간동안 정보보안 산업이 빠르게 발전해오고 있는데요. 국내 보안 스타트업 생태계의 전망과 보안 산업 전체의 동반 성장을 함께 이야기 해보았습니다.
특히 초기 레퍼런스 확보를 위해 스타트업 제품을 사용하는 정부의 역할, 보안 산업을 이끌어주는 영국 정부의 사례, 스타트업과 보안 선배 기업들과의 시너지 성장에 대해 이야기를 나누었습니다. 보안 선배 기업의 데이터와 경험, 스타트업의 기술과 사람을 합쳐 기업과 기업 간의 협업이 앞으로 중요한 과제라고 생각됩니다. 또한 보안 투자 기업인 나눔엔젤레스 대표 분이 참석해주셔서 투자자의 관점에서 보안 산업의 생태계에 대해 살펴볼 수 있는 좋은 기회였습니다.
이후 Pitching 시간에는 KISA 정보보호 클러스트에서 우수한 성과를 선보인 6개 기업(와이키키소프트, 옥타코, 와임, 스파이스웨어, 쏘마, 제이슨)에 대한 피칭이 있었습니다. IR 피칭 후에는 심사위원의 평가를 듣고 관심있는 기술이 있으면 해당 스타트업 부스 방문이 가능하여 스타트업과 보안 기업인들과의 네트워킹 시간이 있었습니다.
새로운 아이디어와 우수한 기술을 보유한 스타트업 육성을 위해 다각도로 노력하고 있는 정부와 선배 기업들의 노력을 엿볼 수 있는 자리였습니다. 보안 산업에서 스타트업이 성공하기 어려운 만큼 우수한 Security Startup의 기술을 제대로 인정 받을 수 있는 환경이 되기를 희망합니다.
2019년 12월 4일 (수) ~ 12월 6일 (금) 3일간, 코엑스 B홀 및 그랜드볼룸 전관에서 2019 대한민국 소프트웨어 대전(Soft wave 2019)가 개최되었습니다.
제 4차 산업혁명의 핵심이라 불리우는 소프트웨어 업계의 새로운 물결을 일으킨다는 의미를 가진 이번 행사는, 대한민국의 제 4차 산업혁명으로 향하는 도약과 SW 산업발전에 도움을 주고자, SW 기술 및 제품들을 총 망라하는 세계 유일의 SW 전시회로 꾸며졌습니다.
소프트 웨이브 조직위원회가 개최한 이번 행사에는 안랩을 비롯한 약 199개의 업체들이 참가하여, 다채로운 전시를 보여주었습니다.
전시장 안으로 들어서자, SW 산업에 관심을 가진 많은 사람들이 현장에 모여 SW를 통한 다양한 제품들을 체험해보고 있는 것을 볼 수 있었습니다. 가상현실 (VR) 콘텐츠, 인공지능 (AI) 콘텐츠 뿐만 아니라, 웹과 모바일에도 적용되는 다양한 SW 콘텐츠들을 직접 체험해보고 배워볼 수 있는 유익한 시간이었습니다.
안랩 (AhnLab) 부스에서는 체험형 콘텐츠 보다는 안랩의 역사를 보여주는 전시를 기획해, 안랩의 시작인 안철수 연구소때의 모습부터 지금의 안랩까지의 기록을 흥미롭게 감상할 수 있었습니다.
특히 역대 CEO의 연혁이나, 지금보다 보안 소프트웨어의 중요성을 간과했던 과거에 컴퓨터 바이러스와 싸웠던 흔적과 기록들을 나열하여, 지나가는 사람들의 눈길을 붙잡았습니다.
또한, 안랩이 그 동안 펼쳐왔던 여러 활약들을 간략하게 소개해주어, 안랩이 얼마나 오랜 시간동안 한국의 대표 보안 소프트웨어 기업으로서 대한민국의 시스템 보안을 지켜왔는지를 엿볼 수 있었습니다.
그 중 2018 평창 동계올림픽 때 사람들의 혼란을 방지하기 위해 뒤에서 남몰래 랜섬웨어와 총력을 다하여 싸웠다는 글이나 디도스 공격에 맞썬 싸웠던 기록 등은 그 당시의 기억을 불러일으키며 큰 흥미를 선사하였습니다.
안랩 부스 한 편에는, 안랩 사내 분위기를 느낄 수 있는 사진들도 길게 전시해놓았습니다.
사진들을 통해, 안랩의 역사를 더욱 실감나게 느낄 수 있었습니다.
부스 앞 쪽에는 지금으로부터 20년 전, 사람들이 안철수 연구소로 보낸 자신의 컴퓨터 바이러스를 고쳐달라는 부탁을 담은 편지와 함께 자신의 컴퓨터가 현재 걸려있는 컴퓨터 바이러스를 담은 플로피 디스켓 등이 전시되어 있었습니다.
또한 초기의 컴퓨터 백신의 모습과 V3의 변천사와 더불어, 안랩에서 직접 제작한 다양한 보안 소프트웨어의 기록을 볼 수 있었습니다.
2019 대한민국 소프트웨어 대전, Soft Wave 2019 를 통해 대한민국 산업의 중심이 되어가고 있는 여러 SW들을 직접 보고 듣고 체험해 볼 수 있었습니다.
2014년, 구글 브레인에서 머신러닝을 연구했던 이안 굿펠로우(Ian Goodfellow)가 NIPS(신경정보처리시스템학회)에서 ‘Generative Adversarial Nets(GAN)’발표를 했다. 이 발표의 핵심은 노이즈로부터 이미지를 생성하는 것이다. 그 논문의 발표 이후 AI의 패러다임이 바뀌었다. 지도학습 중심이었던 기존의 AI패러다임을 비지도학습으로 변화시켰다. 또한 GAN에 대한 연구 활발한 연구들이 지금까지도 활발하게 진행되고 있다. 대표적으로 자연어 처리(NLP), 이미지 생성 등 다양하게 응용되고 있다.
이안 굿펠로우 출처 : analyticsindiamag.com
2. GAN(Generative Adversarial Nets)의 개념과 원리
Generative “발생의, 생성의”라는 뜻을 가졌으며 Adversarial은 “적대적인, 대립관계에 있는”의 뜻을 가진다. 뜻을 합쳐보면 특정 정보를 생성하는것과 이와 대립하는 것으로 이루어진 Network(망)이라고 볼 수 있다. 더 쉽게 말하자면 대립하는 두 신경망 모델의 경쟁을 통해서 학습하고 결과물을 만들어내는 것이다.
위 논문에는 이미지를 생성하는 모델(Generator)과, 이 모델에서 만들어진 이미지를 판별하고자 시도하는 모델(Discriminator)이라는 두 모델을 서로 대립(Adversarial)시켜서 서로의 성능을 올릴 수 있다는 개념을 포함하고 있다. 생성모델은 실제 데이터를 학습한 것을 바탕으로 진짜 같은 거짓데이터를 만들어낸다. (목적: 진짜 같은 가짜 만들기) 계속 진짜를 만들어내면서 분류모델을 속이는 것을 목표로 학습을 한다. 반대로 분류모델은 생성모델이 만들어낸 데이터가 진짜 데이터인지 가짜인지 판별하는 것을 목표로 학습한다. 만약 생성모델이 분류모델을 속여서 진짜라는 결과를 만들면 분류모델을 보완하고 반대의 경우도 마찬가지로 학습을 계속해서 하면서 계속 진짜 같은 가짜를 만들도록 하는 원리이다.
논문에서는 위조지폐범과 경찰을 예로 들어 설명했는데요.
위조지폐범(생성모델)은 진짜 지폐와 최대한 비슷하게 만들어서(생성) 가능한 경찰을 속이려고 노력한다. 반면 경찰(분류모델)은 진짜 화폐와 가짜 화폐를 완벽히 판별(Classify)하여 위조지폐범을 검거하는 것을 목표로 한다. 이러한 경쟁이 계속될 때마다 위조지폐팀은 경찰을 속이지 못한 데이터를, 경찰은 위조지폐범에게 속은 데이터를 입력 받아 적대적으로 학습한다. 그 결과 두 팀 모두 각자의 능력이 향상되고, 결국에는 경찰이 진짜와 가짜를 구별 할 수 없을 때까지 진행된다. 즉, 이 과정이 반복되면서 위조지폐가 정교해지듯 점점 더 실제에 가까운 거짓 데이터를 생성하게 된다.
적대적 학습은 분류모델을 먼저 학습시킨 후 학습된 분류모델을 속이는 방향으로 생성모델을 학습시킨다. 분류 모델은 진짜 데이터를 입력해서 해당 데이터를 진짜로 분류하도록 학습하는 것과 생성모델에서 생성한 가짜 데이터를 입력해서 해당 데이터를 가짜로 분류하는 학습을 하게 된다. 그 다음에는 분류 모델을 속이는 방향으로 생성모델을 학습시킨다. 생성모델에서 만들어 낸 가짜 데이터를 판별 모델에 입력하고, 가짜 데이터를 진짜라고 분류할 만큼 진짜 같은 데이터를 만들도록 생성모델을 학습시킨다. 이러한 학습이 반복되면서 분류 모델과 생성 모델이 서로를 적대적인 경쟁자로 인식하여 모두 발전할 수 있게되고, 진짜와 완벽히 유사한 가짜를 만들 수 있다.
인간이 정답을 알려주기 않아도 생성자와 감별자가 경쟁하면서 스스로 학습하는 GAN은 대량의 데이터를 AI스스로 학습하기 때문에 또한 직접 이미지나 음성을 생성한다는 점에서 지도기반학습과 차별화되고 파급력 또한 크다.
3. GAN응용사례
1) 이미지 생성 "그림 그리는 휴머노이드 Ai-Da(에이다)"
Ai-Da(에이다)는 대화와 회화가 가능한 AI로 옥스포드 대학에서 첫 단독 작품전을 2019년 6월 12일에 열었다고 한다. 아래 사진이 휴머노이드 AI-DA이다. 당시 ai-da가 그린 그림은 다음과 같고 43만불에 팔린 작품도 있다고 한다.
GAN은 영상 합성에도 활용된다. 2017년 8월 미국 워싱턴대학교 연구진은 버락 오바마 전 미국 대통령의 가짜 영상을 만들어냈다. 오바마 전 대통령의 연설 영상들로부터 음성을 따고 이 음성에 맞는 입 모양을 만드는 학습을 통해 가짜 영상을 만들어 내는데 성공했다. GAN은 이미지 생성뿐만 아니라 영상합성, 음성 합성에서도 많이 사용된다. IBM의 경우 한 인물의 목소리, 화법, 말투 등의 요소들을 학습시켜서 실제 사람의 음성으로 새롭게 만드는 연구도 진행중이다.
4. GAN의 한계
현재 가장 인기있는 AI알고리즘이기는 하지만 한계점이 존재한다. 고해상도 이미지를 생성할 수 없다는 점과 학습 불안정 등의 한계가 나타난다. 또한 GAN은 진짜 같은 가짜를 생성해준다는 점에서 활용성이 높고 많은 기대를 받고 있지만 악용 가능성에 대한 우려들이 나타나고 있다. 즉 진짜와 구별되지 않는 거짓 데이터가 현실을 지배할 수 있기 때문이다. 최근 GAN을 활용한 ‘딥페이크’ 포르노 영상들이 유통되면서 GAN의 문제점을 가장 잘 보여주고있다. GAN에 의해 디지털 성범죄가 많아질 것이라는 우려가 나오고 있다. 과거의 이미지, 영상 생성과 달리 GAN을 활용하면 가짜 데이터를 고속으로 대량을 만들어낼 수 있다는 점에서 과거와는 전혀 다른 영향을 미치게 된다. 또한 윤리적인 이슈 또한 존재한다. 초상화를 그리는 AI(AI Portraits Ars)는 IBM과 MIT의 AI연구소에서 발표되었다. 여기서 원본의 얼굴을 더 희게 만들거나 코를 더 오똑하게 만드는 식으로 그림을 생성하는 인종차별적 요소가 존재한다고 한다. 아직 여러 이슈들과 한계점이 존재하지만 AI스스로 이미지를 생성한다는 것 자체 AI패러다임에 큰 영향을 주고 있는 것은 확실하다. 하지만 그 과정에서 윤리적 문제나 사회적 문제에 대한 방안이 같이 고려되어야한다.
인공지능전문가들은스스로데이터를학습하여패턴을파악하는비지도기반학습이인공지능기술을이끌것이라고말합니다. 그과정에서가장주목받는인공지능기술이바로생성적적대신경망, GAN(Generative Adversarial Networks)입니다. 따라서 1부에서는 GAN이 속하는 머신러닝의 개념과 분류에 대해 알아보고 제2부에서는 GAN의 원리와 응용사례를 알아보겠습니다.
[인공지능, 머신러닝, 딥러닝의 개념과 관계]
1) 인공지능(Artificial Intelligence)
기계 혹은 시스템에 의해 만들어진 지능으로, 인간이 지닌 지적 능력을 인공적으로 구현한 모든 것을 뜻합니다. 인간의 학습능력, 추론능력, 자연어 이해능력 등을 컴퓨터 프로그램으로 실현한 기술입니다.
2) 머신러닝(Machine Learning)
인공지능 연구 분야 중 하나로, 기계가 코드로 명시하지 않은 동작을 데이터로부터 학습하여 스스로 패턴을 찾아 작업을 실행할 수 있도록 하는 알고리즘이라고 정의됩니다. 즉, 인간의 학습 능력을 컴퓨터에서 실현하는 기술로, 기계가 데이터를 분석하고 ‘스스로’ 학습한 후 그 속에서 패턴 및 규칙성을 찾는 기술입니다.
3) 딥러닝(Depp Learning)
딥러닝은 머신러닝(기계학습)의 일부로, 인간의 뇌 신경망을 모방한 인공신경망의 일종입니다. 머신러닝과 다르게 데이터를 사람이 추출해서 학습시키는 것이 아니라 데이터 자체를 전달하여 학습시키며, 인공신경망 구조를 이용하는 기법입니다.
인공지능, 머신러닝, 딥러닝의 개념 및 관계를 다음 그림을 보면 쉽게 이해할 수 있습니다.
[머신러닝 분류]
머신러닝은 다음 그림처럼 크게 지도기반 학습(Supervised Learning), 비지도기반 학습(Unsupervised Learning), 강화학습(Reinforcement Learning)으로 분류됩니다.
1) 지도학습
지도학습이란 정답이 주어진 상태에서 학습을 하는 알고리즘을 말합니다. 다음 그림처럼 고양이와 토끼의 사진들을 주고 각각의 사진들이 고양이인지 혹은 토끼인지 정답을 알려줍니다. 그 후 어떠한 사진을 주면 이 사진이 고양이인지 혹은 토끼인지 맞추는 것이 바로 지도학습입니다.
지도학습은 예측하는 결과값이 이산값이냐 연속값이냐에 따라 분류(Classification)와 회귀생성(Regression)으로 나뉩니다. 분류란 위의 예시처럼 고양이와 토끼를 구별해 내듯이 어떠한 데이터를 적절한 몇가지의 클래스로 분류하는 것입니다. 위의 예시처럼 토끼, 고양이의 두 개의 클래스로 분류하는 것이 이진 분류(Binary Classification), 여러 개의 클래스로 분류하는 것이 다중 분류(Multiclass Classification)라고 합니다.
회귀생성이란 데이터의 특징을 기반으로 연속적인 값을 예측하는 것입니다. 예를 들어 집의 면적, 위치, 주차장의 유무 등의 데이터로 3년 후 집의 가격을 예측하는 것이 회귀생성의 방법을 사용하는 것입니다. 또한 사람들의 몸무게, 성별, 나이와 같은 데이터로 키를 예측하는 것도 여기에 해당합니다. 최근 딥러닝을 이용한 음성기술 TTS(Text To Speech)에 새로운 이미지 생성이나 목소리를 합성하는데 회귀생성이 쓰인다고 합니다.
2) 비지도학습
비지도 학습의 핵심은 '스스로'라고 말할 수 있습니다. 비지도학습이란 정답이 주어지지 않은 상태에서 데이터의 특성을 학습하여 스스로 패턴을 파악하는 알고리즘을 말합니다. 사람들이 정답을 하나하나 입력하는 수고를 덜어주기 때문에 최근에 집중적으로 연구되는 분야입니다. 가장 오랜 시간 동아 연구되어온 것이 군집화(Clustering)입니다. 다음 그림을 참고하면 이해가 쉽습니다. 고양이와 토끼의 사진을 보고 사람들은 두 개의 긴 귀를 가진 동물과 긴꼬리를 가진 동물로 구분할 수 있습니다. 기계도 이처럼 데이터의 특성을 파악해서 정답을 알려주지 않아도 비슷한 사진으로 분류하는 것을 군집화라고 합니다.
지금까지 본 지도기반학습과 비지도기반학습의 목표는 데이터를 기반으로 미래를 예측하는 것이라고 할 수 있습니다! 하지만 이 두가지 학습법에는 큰 차이가 존재합니다. 지도학습은 정답이 주어진 혹은 정답이 있는 데이터만 사용할 수 있어서 실생활에서 응용하기 복잡하며 데이터 자체에 한계가 있습니다. 하지만 비지도학습은 스스로 데이터를 학습하여 패턴을 파악하기 때문에 더 효율적이고 응용분야도 넓게 나타납니다. 따라서 전문가들은 비지도학습을 미래의 인공지능 기술을 이끄는 알고리즘이 될 것이라고 예측합니다. 그 중 가장 주목받는 기술, 생성적 적대 신경망(GAN)에 대해서는 2부에서 자세히 알려드리도록 하겠습니다.
3) 강화학습
여러분 모두 알파고에 대해서 들어본 적이 있을 것입니다. 구글 딥마인드(DeppMind)에서 만든 인공지능 ‘알파고’와 바둑 세계 챔피언 이세돌의 대국은 전 세계적으로 관심을 받았습니다. 인간과 인공지능의 대결이었죠. 사람들은 당시 이세돌이 승리할 것으로 예상했습니다. 하지만 알파고가 4:1로 이세돌을 이겼습니다. 바둑만은 컴퓨터에게 지지 않을 것이라고 예상했지만 그 예상이 무너지고 컴퓨터가 승리를 가져갔습니다. 그 이후에도 여러 대국이 있었지만 아무도 알파고를 이기지 못했다고 합니다. 현재 알파고는 은퇴를 했고 결국 이세돌이 알파고에게 1승을 한 유일한 인간으로 남게되었습니다. 알파고의 핵심기능이 바로 강화학습이었습니다.
위키피디아에서는 강화학습을 다음과 같이 정의합니다. 강화학습은 기계학습의 한 영역으로 행동심리학에서 영감을 받았다. 어떤 환경(Environment)안에서 정의도니 에이전트(Agent)가 현재의 상태(State)를 인식하여, 선택 가능한 행동(Action) 중 보상(Reward)을 최대화 하는 행동 혹은 행동 순서를 선택하는 방법이다.
강화학습은 딥러닝의 등장 이후 더 주목받기 시작했습니다. 그 전에는 고전적인 강화학습 알고리즘으로 실생활에 적용할 만큼 좋은 결과를 내지 못했기 때문입니다. 하지만 딥러닝의 신경망을 강화학습에 적용하면서 자율주행차나 바둑과 같은 복잡하고 어려운 문제에 적용가능하게 되었습니다. 지금까지 강화학습은 게임에 적용되었고 실생활에서 가치를 창출한 사례는 별로 없습니다. 현재 자율주행차나 로봇에서 실험하는 단계이고 금융분야까지 적용하도록 발전이 이루어지고 있습니다. 이제는 강화학습의 적용 분야에 관한 연구가 필요한 상황이고 자연어 처리의 영역까지 확대되고 있기에 주목할 만한 기술이라고 볼 수 있습니다.
지금까지 인공지능, 머신러닝, 딥러닝의 개념과 머신러닝의 종류에 대해 살펴보았습니다. 다음에는 머신러닝의 비지도학습을 이용한 새로운 기술 GAN의 개념과 응용사례를 알려드리겠습니다.
이번 2019년으로 16년차를맞이하는 SBS D 포럼은디지털기술들을통해우리사회가마주한문제들의해결방안에대해깊이생각해봅니다. 이번 2019년도 SBS D 포럼에서는다원화된사회에서의갈등문제에주목했습니다. 각자의개성과다양성을존중해주는사회로발전해가면서, 그에따른갈등들도더욱빈번하게발생하고있습니다. “기술의발전이이런갈등문제들을포용할수있을까?” 점심식사이후진행된 SBS D 포럼의제 3 세션에서는이쟁점에대해더욱깊게말해주실전문가들의강연이펼쳐졌습니다. 하버드대학교의언론인전문연수기관인하버드니먼재단과 SBS의공동기획으로진행된 3번째세션은우리에게많은시사점을남겼습니다.
제 3 세션은각패널분들의토론으로마무리가되었습니다. 패널마다생각하는갈등의자세한해결방안들은다르지만, 기술을통해서이런갈등을포용할수있다는믿음은모두같았습니다. 이번 SBS D 포럼의주제인 ‘변화의시작’에서드러나듯이, 우리사회가겪고있는갈등을어떻게포용하느냐가사회에어떤변화를일으킬지결정할것입니다. 이번 SBS D 포럼은참석자들과패널들에게깊은고찰을할기회를남겨주었습니다.
댓글을 달아 주세요