roeeyx 님의 블로그

시나리오 리소스1 IAM User2 IAM Roles 시나리오 목표full admin 권한 (관리자 권한 얻기) 시나리오 세팅~/cloudgoat$ ./cloudgoat.py create lambda_privesc 시나리오 과정IAM User Chris로 시작AssumeRole 확인lambdaManager role 확인 lambdaManager role에 Assume Role 부여하기 lambda 함수 생성 Chris의 정책 확인 IAM(Identity and Access Management)(1) 사용자(User): 사용자가 IAM에서 생성 및 액세스 AWS 리소스에 필요한 권한을 부여할 수 있음 (2) 그룹(Group): 사용자를 그룹에 추가할 수 있음(3) 정책(Policy): 사용자 또는 그룹에 ..

시나리오 리소스1 VPC with:EC2 x 1S3 x 1Amazon VPC (Virtual Private Cloud)데이터 센터에서 운영하는 기존 네트워크와 유사한 가상 네트워크Amazon VPC를 사용하면 격리된 가상 네트워크에서 리소스 배치, 연결 등 가상 네트워킹 환경을 제어할 수 있음VPC에는 각 가용성 영역에 하나에 서브넷이 있고, 각 서브넷에 인스턴스가 있음Amazon EC2 (Elastic Compute Cloud)AWS에서 제공하는 클라우드 컴퓨팅 서비스EC2 인스턴스는 AWS의 클라우드 환경에서 사용자가 가상 서버를 쉽게 생성하고 관리할 수 있도록 지원하는 서비스 Amazon S3 (Simple Storage Service)최고의 확장성, 데이터 가용성, 보안 및 성능을 제공하는 객체 ..

[중간발표 피드백 및 최종 발표 준비] 1. PPT 흐름 수정: 뻔한 개요는 버리고 '차별점'에 집중하기 멘토링에서 가장 먼저 짚고 넘어간 부분은 발표의 서론이었다. 흔한 관제시스템이 왜 필요한지, 기존의 뻔한 실제 사례 등은 과감히 덜어내기로 했다. 우리가 완전히 새로운 개념의 시스템을 발명한 것이 아니기 때문에, 이런 설명은 청중에게 불필요하게 느껴질 수 있다.대신, 시장의 현황과 우리의 차별점을 강조하는 방향으로 플로우를 수정했다.시장 현황: 현재 어떤 기업들이 AI CCTV나 관제시스템 상품을 내놓고 있는지, 어디에 어떻게 왜 쓰이고 있는지 짚어주며 이 시스템이 얼마나 중요하고 수요가 많은지 어필한다.기획 의도와 차별점: "그래서 우리는 이 시장에서 어떤 차별점을 두고 만들었나?", "어떤 기능을..

AI 객체 탐지율 향상 및 스트리밍 환경 개선 업데이트최근 AI 모델이 객체를 제대로 탐지하지 못해 중요 알림이 오지 않는 이슈가 발생함. 이를 해결하기 위해 AI 워커(AI Worker) 파이프라인(YOLO Pose -> Supervision ByteTrack -> LSTM) 전반을 점검하고, 추적이 끊기거나 행동 인식이 안 되는 원인을 세밀하게 분석할 수 있는 진단 시스템과 복구 로직을 도입함.더불어, 서비스의 전반적인 안정성을 확보하기 위해 내부 논의를 거쳐 스트리밍 방식을 기존의 MJPEG 기반으로 원복하기로 결정함. 이에 따른 프론트엔드 및 UI 개선 작업도 함께 진행됨.1. AI 포즈 트래킹 진단 및 복구 로직 도입기존에는 객체를 놓치거나 트래킹 ID가 변경되면 즉각적으로 행동 인식 흐름이 끊..

1. 개인용 / 기업용 알림 인프라 분리기존 시스템은 '단일 시설(Facility)' 기준으로만 알림이 하드코딩되어 있어, 여러 시설을 관리해야 하는 '기업용 통합 관제(Company)'로 확장할 때 구조적인 병목이 있었음.[문제 상황: 데이터 혼선 및 확장성 제한] API와 내부 캐시 시스템이 개별 시설의 ID만 바라보고 동작하다 보니, 기업 관리자가 접속했을 때 알림 데이터를 캐싱하고 조회하는 과정에서 데이터 충돌이 발생할 위험이 컸음.[해결 방법] 가장 먼저 식별자(Prefix) 패턴을 도입해 캐시 메모리의 무결성을 확보함.캐시 키 분리: 인메모리나 Redis에 저장되는 최근 알림 데이터의 Key를 단순 숫자 ID에서 COMP_{id}(기업용)와 FAC_{id}(개인용)로 명확히 나눠 데이터 혼선을..

2주차 기술 스크럼 및 멘토링 회고영상 스트리밍 방식 선정 및 AI 모델링 최적화💡 이번 스크럼의 핵심 목표"모든 기술 도입과 로직에는 명확한 근거가 필요하다!"주관적 판단이 개입되기 쉬운 비즈니스 로직(쓰러짐 정의, 구역 탐지 등)에 객관적 지표와 기술적 근거를 수립할 것.1. 영상 처리 및 백엔드 아키텍처영상 스트리밍 이원화: 지연 시간(Latency)과 서버 부하를 비교하여 최적의 방식을 선정하기 위한 테스트를 진행.HLS: 리플레이 및 스냅샷 (서버 인프라 안정성 확보)WebRTC: 실시간 영상 송출 (초저지연 통신 검증, 커넥션 부하 측정 선행)보안 및 프라이버시 강화:세션 및 사용자 식별을 기존 ID 방식에서 Token(토큰) 기반 인증으로 전면 변경. (Session Storage 노출 방..

스마트 안전 관제 시스템AI 영상분석 기반 이상행위 탐지 1. 프로젝트 기획 및 방향성핵심 타겟: 병원, 공원 등 공공시설 및 기관의 '안전 담당자'플랫폼 형태: 안전 담당자에게만 선별적으로 알림을 보내는 관제 플랫폼 주요 시나리오: 낙상, 실신, 폭행 감지 등💡 개발 마인드셋"영상 처리와 개발은 별개다!"AI 모델링에만 지나치게 힘을 쏟기보다, 서버와 인프라를 튼튼하게 구현하는 데 집중할 것.2. AI 모델링 및 영상 데이터 처리이상 행동 감지의 한계: 쓰러짐 등 이상 행동의 인식 기준이 애매함. 흡연 데이터셋 등의 경우 오탐률이 높으므로, 알고리즘을 변경하거나 다른 접근법(2안) 도입을 고려해야 함.오탐(False Positive) 개선: 난동이나 폭행 모델의 경우 어깨동무, 인사 등을 오탐할 수 ..