ABOUT ME

-

Today
-
Yesterday
-
Total
-
  • 가트너, Hype Cycle for Emerging Technologies, 2023 기술 설명 자료
    인공지능 2023. 10. 6. 12:24

    생성형 인공 지능(AI)은 가트너의 신흥 기술에 대한 기대치가 부풀려진 정점에 위치해 있습니다. 신흥 기술에 대한 하이프 사이클, 2023에서 2~5년 내에 혁신적 혜택을 누릴 것으로 예상되는 분야입니다. 제너레이티브 AI는 새로운 혁신의 기회를 창출하는 이 하이프 사이클의 핵심 트렌드인 이머징 AI라는 광범위한 주제에 포함됩니다.

    가트너의 수석 부사장 애널리스트인 아룬 찬드라세카란은 "많은 새로운 AI 기술의 인기는 비즈니스와 사회에 큰 영향을 미칠 것입니다."라고 말합니다. "AI 기반 모델의 대규모 사전 교육과 규모, 대화형 에이전트의 입소문, 제너레이티브 AI 애플리케이션의 확산은 인력 생산성과 기계 창의성의 새로운 물결을 예고하고 있습니다."

    신흥 기술 하이프 사이클은 가트너가 매년 프로파일링하는 2,000개 이상의 기술 및 응용 프레임워크에서 핵심 인사이트를 추출하여 '반드시 알아야 할' 신흥 기술을 간결하게 정리한다는 점에서 가트너 하이프 사이클 중에서도 독보적입니다. 이러한 기술은 향후 2년에서 10년 동안 혁신적인 이점을 제공할 잠재력을 가지고 있습니다(그림 1 참조).

    Hype Cycle for Emerging Technologies, 2023
    Hype Cycle for Emerging Technologies, 2023

    1. 신흥 AI(Emergent AI)

    1.1 AI 시뮬레이션(AI Simulation)

    • 정의:
      AI 시뮬레이션은 인공 지능 기술을 활용하여 현실 세계의 복잡한 시나리오를 모델링하고 시뮬레이션하는 과정을 말합니다. 이는 실제 환경에서 데이터를 수집하거나 실험을 진행하는 데 어려움이 있는 경우에 유용하며, 다양한 분야에서 예측, 의사 결정 및 테스트를 위해 활용됩니다.
    • 설명
      AI 시뮬레이션은 가상 환경을 생성하여 다양한 시나리오와 조건을 시뮬레이션하고, 이를 통해 예측하거나 의사 결정을 지원하는 기술입니다. 이를 통해 현실에서 어려운 상황을 실험하고 분석할 수 있습니다. 
    • 예시:
      도로 교통 시뮬레이션을 통해 도로 교통 혼잡도를 예측하거나 의약품 개발에서 분자 시뮬레이션을 통해 약물 효과를 평가하는 등 다양한 분야에 응용됩니다. 이를 통해 시간과 비용을 절약하면서도 유용한 정보를 얻을 수 있습니다.

    1.2 인과적 AI(Causal AI)

    • 정의:
      인과적 AI는 인과 관계를 이해하고 활용하여 원인과 결과 간의 상호 작용을 예측하고 설명하는 인공 지능 기술을 의미합니다. 인과 관계를 파악함으로써 결과를 예측하고 원인을 해석하는 능력을 개발하는 것이 핵심 목표입니다.
    • 설명
      인과적 AI는 단순한 상관 관계를 넘어서 원인과 결과의 복잡한 관계를 이해하고 모델링합니다. 
    • 예시:
      날씨와 아이스크림 판매량 사이에는 상관 관계가 있을 수 있지만, 날씨가 아이스크림 판매량에 직접적으로 영향을 미치는 원인인지 여부를 파악하는 것이 인과적 AI의 목표입니다. 이를 통해 정확한 원인-결과 예측 및 설명이 가능해지며, 의료 진단, 경제 예측, 정책 결정 등 다양한 분야에서 유용하게 활용될 수 있습니다.

    1.3 연합 머신러닝(Federated Machine Learning)

    • 정의:
      연합 머신러닝은 분산된 데이터 소스에서 중앙 집중화된 학습 없이 모델을 구축하는 기술로, 각 데이터 소스가 로컬하게 모델을 업데이트하고 중앙 서버로 전달하여 개인 정보 보호를 유지하면서 전체 모델을 향상시키는 방법입니다.
    • 설명:
      연합 머신러닝은 데이터를 중앙 집중화하여 모델을 학습시키는 대신, 데이터를 분산된 클라이언트들에서 로컬하게 처리하고 중앙 서버에서 결과를 집계하여 모델을 개선하는 방식입니다. 이는 개인 정보 보호와 데이터 보안을 강화할 수 있는 동시에 데이터 공유의 어려움을 해결하는 데 도움이 됩니다. 
    • 예시:
      의료 분야에서는 여러 병원의 환자 데이터를 활용하여 질병 예측 모델을 개발하거나, 금융 분야에서는 분산된 고객 거래 데이터를 활용하여 사기 감지 모델을 구축하는 등 다양한 분야에서 활용됩니다.

    1.4 그래프 데이터 과학(Graph Data Science)

    • 정의:
      그래프 데이터 과학은 복잡한 관계와 연결성을 가진 그래프 형태의 데이터를 분석하고 모델링하는 인공 지능 기술입니다.
    • 설명:
      그래프 데이터 과학은 그래프 이론의 원리를 활용하여 다양한 형태의 데이터를 분석합니다. 그래프는 노드(node)와 엣지(edge)로 구성되며, 이들의 연결 관계를 통해 데이터의 복잡한 상호 작용을 나타낼 수 있습니다. 이를 통해 소셜 네트워크 분석, 지식 그래프, 뇌 연결 그래프 등 다양한 분야에서 활용됩니다. 
    • 예시:
      소셜 네트워크 분석을 통해 온라인 커뮤니티의 구조와 영향력 있는 인물을 식별하거나, 뇌 연결 그래프를 분석하여 뇌 기능을 이해하는 등의 연구에 사용됩니다.

    1.5 신경 기호 AI(Neuro-Symbolic AI)

    • 정의:
      신경 기호 AI는 인공 지능의 신경망과 기호 논리의 결합을 통해 지능적인 추론과 학습을 수행하는 기술을 말합니다.
    • 설명
      신경 기호 AI는 신경망과 기호 논리의 각각의 강점을 결합하여 복잡한 추론과 문제 해결을 다루는 기술입니다. 신경망은 대량의 데이터에서 학습하여 패턴을 인식하고 예측하는 데 뛰어난 능력을 가지며, 기호 논리는 추론과 추상적인 문제 해결에 용이합니다. 이를 통해 자연어 처리, 지식 질의응답, 과학적 추론 등 다양한 분야에서 활용됩니다. 
    • 예시:
      자연어 질의응답 시스템에서 신경망을 통해 문장을 이해하고, 기호 논리를 활용하여 추론하여 정확한 답변을 생성할 수 있습니다.

    1.6 강화 학습(Reinforcement Learning)

    • 정의:
      강화 학습은 에이전트가 환경과 상호 작용하며 행동을 수행하고, 이로부터 얻은 보상을 최대화하기 위해 학습하는 기계 학습 접근법입니다.
    • 설명
      강화 학습은 에이전트가 환경 내에서 특정한 상태(state)에 따라 행동(action)을 선택하고, 그에 따른 보상(reward)을 받아 학습하는 방식입니다. 에이전트는 보상을 최대화하는 최적의 정책(policy)을 학습하며, 이를 통해 복잡한 문제에서도 최적의 행동을 결정할 수 있습니다. 
    • 예시:
      로봇 제어에서 강화 학습을 사용하여 로봇이 환경 내에서 목표를 달성하도록 학습하거나, 게임에서 AI 에이전트가 최적의 전략을 학습하는 등 다양한 분야에서 활용됩니다.

    2. 개발자 경험(DevX : Developer experience)

    2.1 AI 증강 소프트웨어 엔지니어링(AI-augmented software engineering)

    • 정의:
      AI 증강 소프트웨어 엔지니어링은 인공 지능 기술을 활용하여 소프트웨어 개발 및 엔지니어링 프로세스를 향상시키는 접근법입니다. 이는 소프트웨어 개발자들이 보다 효율적으로 작업하고, 코드 품질을 개선하며, 자동화된 기능을 활용할 수 있도록 돕는 목적으로 활용됩니다.
    • 설명
      AI 증강 소프트웨어 엔지니어링은 자연어 처리, 코드 분석, 버그 감지 등의 기술을 사용하여 소프트웨어 개발 프로세스를 지원합니다. 
    • 예시:
      AI 기반 코드 리뷰 도구를 통해 코드 품질을 검토하거나, 자동화된 테스트 스위트를 개발하여 버그를 신속하게 발견하고 수정할 수 있습니다. 또한, AI를 활용하여 개발 패턴을 분석하거나, 적절한 디자인 패턴을 제안하는 등 소프트웨어 개발자의 업무를 지원합니다.

    2.2 API 중심 SaaS(API-centric SaaS)

    • 정의:
      API 중심 SaaS는 소프트웨어 서비스 제공자가 소프트웨어의 기능을 외부 개발자들에게 노출하기 위해 API(Application Programming Interface)를 중심으로 설계된 소프트웨어 서비스 모델을 의미합니다.
    • 설명: API 중심 SaaS는 외부 개발자들이 기업의 소프트웨어 서비스를 활용하고 통합할 수 있도록 API를 제공합니다. 이를 통해 외부 애플리케이션이 기업의 SaaS 솔루션과 상호 작용할 수 있으며, 데이터 공유와 프로세스 통합을 용이하게 합니다. 이러한 접근법은 생태계 확장성과 유연성을 제공하여 다양한 애플리케이션 간의 통합을 간편하게 할 수 있도록 합니다.

    2.3 GitOps

    • 정의:
      GitOps는 소프트웨어 개발 및 운영 프로세스를 자동화하고 관리하기 위해 Git 리포지토리를 중심으로 사용하는 접근법입니다. 이는 코드, 인프라 및 애플리케이션 배포를 관리하고 조정하는 데 활용됩니다.
    • 설명
      GitOps는 인프라스트럭처와 애플리케이션의 상태 및 구성을 Git 리포지토리에서 관리합니다. 개발자들은 코드 변경을 Git 리포지토리에 푸시하고, 이를 통해 자동화된 배포 프로세스가 트리거됩니다. 이는 인프라를 코드로 관리하고, 변화를 추적하며, 확장 가능한 개발과 배포를 가능하게 합니다. GitOps 접근법은 CI/CD(Continuous Integration/Continuous Deployment) 파이프라인을 통한 소프트웨어 개발과 운영의 효율성을 높이는 데 기여합니다.

    2.4 내부 개발자 포털(internal developer portals)

    • 정의:
      내부 개발자 포털은 기업 내에서 내부 개발자 커뮤니티를 지원하고, 개발자들이 리소스를 공유하고 협업하며, 애플리케이션 개발 및 배포 프로세스를 효율적으로 관리하는 플랫폼 또는 웹 사이트를 말합니다.
    • 설명
      내부 개발자 포털은 기업 내부의 소프트웨어 개발자들을 위한 중앙 집중화된 플랫폼으로, 문서, 코드 예시, 개발 가이드, API 문서, 툴 및 서비스 등의 리소스를 제공합니다. 이를 통해 개발자들은 지식을 공유하고 협업하며, 개발 프로세스를 효율적으로 관리하여 애플리케이션 개발과 배포를 원활하게 진행할 수 있습니다. 내부 개발자 포털은 개발자 커뮤니케이션을 촉진하고, 최신 정보를 공유하며, 개발 생산성을 향상시키는 데 도움을 줍니다.

    2.5 오픈 소스 프로그램 오피스(open-source program office)

    • 정의:
      오픈 소스 프로그램 오피스는 기업 내에서 오픈 소스 소프트웨어 사용 및 기여를 촉진하고 조정하기 위해 설립된 조직 또는 그룹을 말합니다.
    • 설명: 오픈 소스 프로그램 오피스는 기업이 오픈 소스 소프트웨어를 효과적으로 활용하고 기여할 수 있도록 지원하는 역할을 합니다. 이는 오픈 소스 소프트웨어 라이선스 준수, 내부 개발자 커뮤니티 지원, 외부 프로젝트 기여 및 컨트리뷰션 등을 관리하며, 기업의 소프트웨어 개발 및 이용 환경을 개선합니다. 오픈 소스 프로그램 오피스는 기업의 오픈 소스 전략을 구축하고 관리하여 오픈 소스 생태계와의 협력을 촉진하는 역할을 합니다.

    2.6 가치 흐름 관리 플랫폼(value stream management platforms)

    • 정의:
      가치 흐름 관리 플랫폼은 소프트웨어 개발 및 운영 프로세스의 가치 흐름을 시각화하고 분석하며 최적화하기 위한 도구 또는 플랫폼을 말합니다.
    • 설명:
      가치 흐름 관리 플랫폼은 소프트웨어 개발 라이프사이클 내에서 요구사항, 개발, 테스트, 배포, 운영 등의 단계에서 발생하는 활동과 프로세스를 연결하여 가치 흐름을 시각화하고 분석합니다. 이를 통해 병목 현상을 찾고, 지연을 줄이며, 개선 포인트를 식별하여 개발 및 배포 프로세스를 최적화하는 데 도움을 줍니다. 가치 흐름 관리 플랫폼은 CI/CD 파이프라인과 같은 개발 프로세스를 효율적으로 관리하고 지속적인 개선을 실현하는 데 기여합니다.

    3. 퍼베이시브 클라우드(Pervasive cloud)

    3.1 증강 핀옵스(augmented FinOps)

    • 정의:
      증강 핀옵스는 재무 및 운영 부문에서 클라우드 비용 관리 및 최적화를 증강(enhance)하고 개선하는 접근법을 의미합니다. 이는 재무 요소와 기술적 요소를 융합하여 클라우드 비용 및 자원 사용을 최적화하고 효율화하는 목적으로 사용됩니다.
    • 설명
      증강 핀옵스는 기업이 클라우드 비용을 관리하고 최적화하기 위해 재무 전문 지식과 기술적인 도구 및 접근법을 결합합니다. 이는 비용 관리 및 예산 할당을 향상시키며, 클라우드 자원의 효율적인 사용을 촉진합니다.
    • 예시:
      자동화된 비용 모니터링 및 분석 도구를 통해 불필요한 비용을 감소시키거나, 리소스의 스케일링을 최적화하여 클라우드 비용을 절감할 수 있습니다.

    3.2 클라우드 개발 환경(cloud development environments)

    • 정의:
      클라우드 개발 환경은 소프트웨어 개발 프로세스를 클라우드 기반으로 수행하기 위해 사용되는 통합된 개발 및 배포 환경을 의미합니다. 이는 개발자들이 클라우드 리소스를 활용하여 애플리케이션을 개발, 테스트 및 배포하는 데 도움을 줍니다.
    • 설명
      클라우드 개발 환경은 개발자들이 클라우드 플랫폼을 활용하여 코드를 작성하고 테스트하며, 애플리케이션을 배포하는 데 필요한 도구와 서비스를 제공합니다. 이를 통해 개발자들은 별도의 하드웨어나 인프라 구축 없이도 확장 가능하고 유연한 개발 환경을 활용할 수 있습니다. 클라우드 개발 환경은 CI/CD 도구, 테스트 자동화, 애플리케이션 모니터링 등의 기능을 포함하여 개발 생산성을 향상시키는 데 기여합니다.

    3.3 클라우드 지속 가능성(cloud sustainability)

    • 정의:
      클라우드 지속 가능성은 클라우드 컴퓨팅 리소스의 사용과 관리를 효율적으로 수행하여 환경적, 경제적 및 사회적 영향을 최소화하고 긍정적인 영향을 극대화하는 원칙과 접근법을 의미합니다.
    • 설명
      클라우드 지속 가능성은 기업이 클라우드 리소스를 사용하고 관리함에 있어서 에너지 소비, 탄소 배출 등의 환경적 영향을 고려하며 최소화하려는 노력을 의미합니다. 이는 클라우드 리소스의 효율적인 사용, 가상화 기술의 활용, 재활용 가능한 에너지 소스의 선택 등을 포함합니다. 또한, 클라우드 지속 가능성은 비즈니스에 긍정적인 사회적 및 경제적 영향을 제공하여 지속 가능한 혁신을 촉진하는 역할을 합니다.

    3.4 클라우드 네이티브(cloud-native)

    • 정의:
      클라우드 네이티브는 애플리케이션 개발 및 운영을 클라우드 환경에 최적화하여 설계된 접근법을 의미합니다. 클라우드 네이티브 애플리케이션은 클라우드 특성을 활용하여 확장 가능하고 유연하며 안정적으로 운영될 수 있도록 구축됩니다.
    • 설명
      클라우드 네이티브 애플리케이션은 컨테이너, 마이크로서비스, 자동화된 스케일링 등 클라우드 특성을 활용하여 개발되며, 클라우드 환경에서의 운영을 원활하게 수행합니다. 이를 통해 애플리케이션은 필요한 리소스만 사용하고 빠르게 스케일링할 수 있으며, 서비스 중단 없이 업데이트 및 롤백이 가능합니다. 클라우드 네이티브 접근법은 DevOps 및 CI/CD와 함께 사용되며, 현대적인 애플리케이션 개발 및 운영의 핵심 원칙 중 하나입니다.

    3.5 클라우드 아웃투엣지(cloud-out to edge)

    • 정의:
      클라우드 아웃투엣지는 중앙 클라우드에서 분산된 엣지 디바이스(Edge Device)로 컴퓨팅 자원, 데이터 처리 및 서비스를 확장하는 접근법을 의미합니다.
    • 설명
      클라우드 아웃투엣지는 중앙 클라우드에서 엣지 디바이스로 컴퓨팅 및 데이터 처리를 분산하여 실시간성을 향상시키고 네트워크 지연을 감소시키는 목적으로 사용됩니다. 엣지 디바이스는 센서, 카메라, 로봇 등의 장치로, 이러한 장치들에서 발생하는 데이터를 현장에서 처리하고 분석하여 중앙 클라우드로 전송하거나 현장에서 필요한 서비스를 제공합니다. 이를 통해 실시간 응답성과 데이터 프라이버시를 보장하며, 네트워크 부하를 줄이는 데 도움을 줍니다.

    3.6 산업용 클라우드 플랫폼(industry cloud platforms)

    • 정의:
      산업용 클라우드 플랫폼은 특정 산업 분야의 요구 사항을 충족시키기 위해 설계된 클라우드 플랫폼을 의미합니다. 이러한 플랫폼은 해당 산업의 고유한 데이터, 프로세스 및 기술을 지원하며 최적화된 서비스를 제공합니다.
    • 설명
      산업용 클라우드 플랫폼은 특정 산업 분야에서의 디지털 변혁과 혁신을 촉진하기 위해 사용됩니다. 이는 해당 산업의 요구 사항에 맞추어 데이터 분석, 프로세스 자동화, 보안 및 규정 준수 등의 기능을 제공하며, 산업 생태계 내에서 협업과 통합을 지원합니다. 산업용 클라우드 플랫폼은 제조, 의료, 농업, 에너지 등 다양한 산업 분야에서 활용될 수 있으며, 해당 산업의 혁신과 경쟁력을 강화하는 데 기여합니다.

    3.7 웹어셈블리(Wasm : WebAssembly)

    • 정의:
      웹어셈블리는 웹 브라우저에서 실행될 수 있는 이진 형식의 코드를 위한 프로그래밍 언어로, 웹 애플리케이션의 성능을 향상시키기 위한 목적으로 개발되었습니다.
    • 설명
      웹어셈블리는 웹 브라우저에서 실행되는 웹 애플리케이션의 성능을 개선하기 위해 고안된 기술입니다. 이는 일반적인 웹 언어(예: JavaScript)보다 빠른 실행 속도와 효율적인 자원 관리를 제공하며, CPU나 GPU 등의 하드웨어 자원을 최적화하여 활용할 수 있습니다. 웹어셈블리로 작성된 코드는 다양한 웹 브라우저에서 실행 가능하며, 다양한 프로그래밍 언어로 개발될 수 있습니다. 이를 통해 웹 애플리케이션의 성능과 기능을 향상시킬 수 있습니다.

    4. 사람 중심의 보안 및 개인 정보 보호(Human-centric security and privacy)

    4.1 AI TRISM (AI Threat Response and Incident Security Management)

    • 정의:
      AI TRISM은 인공 지능 기술을 활용하여 사이버 위협 대응 및 사고 보안 관리를 수행하는 접근법을 나타냅니다. 이는 실시간으로 사이버 위협을 모니터링하고 분석하여 효과적으로 대응하며, 보안 사고의 탐지, 예방 및 해결을 지원하는 목적으로 사용됩니다.
    • 설명
      AI TRISM은 AI 기술을 활용하여 사이버 공격 및 위협을 식별하고 대응하는 솔루션입니다. 이는 네트워크 트래픽, 로그 데이터, 악성 코드 분석 등을 모니터링하여 이상 징후나 악성 활동을 식별하고 자동으로 대응하는 데 사용됩니다. AI TRISM은 머신 러닝과 딥 러닝을 활용하여 위협 패턴을 감지하고 학습하며, 빠르고 정확한 대응을 지원하여 사이버 보안을 강화합니다.

    4.2 사이버 보안 메시 아키텍처 (Cybersecurity Mesh Architecture)

    • 정의:
      사이버 보안 메시 아키텍처는 분산된 보안 제어 및 방어 메커니즘을 중심으로 구축된 네트워크 보안 체계를 나타냅니다. 이 아키텍처는 네트워크의 모든 요소를 보안 메시로 연결하여 보안 감시 및 대응을 확장하며, 다양한 디바이스 및 환경에서 일관된 보안 정책을 적용하는데 사용됩니다.
    • 설명
      사이버 보안 메시 아키텍처는 전통적인 중앙 집중식 보안 모델을 확장하여 네트워크 내의 다양한 요소들을 보안 메시로 연결합니다. 이를 통해 클라우드, 엣지 디바이스, 사용자 엔드포인트 등 다양한 환경에서의 보안 감시와 대응을 효과적으로 수행할 수 있습니다. 사이버 보안 메시는 보안 정책의 일관성을 유지하면서 네트워크 내의 모든 요소를 보호하며, 빠른 대응 및 탐지를 가능하게 합니다.

    4.3 생성형 사이버 보안 AI (Generative Cybersecurity AI)

    • 정의:
      생성형 사이버 보안 AI는 인공 지능을 사용하여 새로운 사이버 보안 방어 및 대응 메커니즘을 생성하고 개발하는 기술을 나타냅니다. 이는 악성 코드나 위협에 대한 새로운 대응 전략을 자동으로 생성하며, 보안 전문가의 역할을 보완하는 목적으로 사용됩니다.
    • 설명
      생성형 사이버 보안 AI는 머신 러닝과 딥 러닝 기술을 사용하여 새로운 사이버 위협을 분석하고 이에 대한 방어 및 대응 전략을 자동으로 생성합니다. 이는 과거의 데이터와 현존하는 위협 패턴을 분석하여 새로운 악성 코드나 공격을 예측하고, 이에 대응하는 방법을 개발하는 데 활용됩니다. 생성형 사이버 보안 AI는 보안 전문가들의 작업을 지원하며, 신속하고 효과적인 보안 대응을 제공합니다.

    4.4 동형 암호화 (Homomorphic Encryption)

    • 정의:
      동형 암호화는 암호화된 데이터를 그대로 유지한 상태에서 계산을 수행할 수 있는 암호화 기술을 의미합니다. 이는 외부에서 데이터를 열어보지 않고도 계산 결과를 얻을 수 있도록 하는 기술로, 프라이버시와 보안을 유지하면서 데이터 분석 및 처리를 가능하게 합니다.
    • 설명
      동형 암호화는 데이터를 암호화한 상태에서도 데이터 처리 및 계산을 수행할 수 있도록 합니다. 이는 암호화된 데이터에 대한 연산 결과가 암호문 상태로 유지되는 것을 의미하며, 원본 데이터가 노출되지 않고도 계산 결과를 얻을 수 있습니다. 동형 암호화는 민감한 데이터의 개인 정보 보호와 보안을 유지하면서, 클라우드 컴퓨팅 환경에서의 안전한 데이터 분석을 가능하게 합니다.

    4.5 포스트퀀텀 암호화 (Post-Quantum Cryptography)

    • 정의:
      포스트퀀텀 암호화는 양자 컴퓨터에 의한 암호 분석 위협에 대응하기 위해 개발된 암호화 기술을 의미합니다. 양자 컴퓨터의 특성을 고려하여 보안성을 강화하고, 클래식한 암호화 방법에 대비한 기술입니다.
    • 설명
      포스트퀀텀 암호화는 양자 컴퓨터의 특성에 대응하여 안전한 데이터 암호화를 제공합니다. 양자 컴퓨터의 계산 능력이 높아짐에 따라 기존의 암호화 방법이 위협 받을 수 있으므로, 포스트퀀텀 암호화는 이에 대비한 새로운 암호화 방식을 개발하는 것을 목표로 합니다. 이러한 암호화 기술은 미래의 양자 컴퓨팅 환경에서도 데이터 보안을 유지하는 데 기여합니다.
    https://www.gartner.com/en/newsroom/press-releases/2023-08-16-gartner-places-generative-ai-on-the-peak-of-inflated-expectations-on-the-2023-hype-cycle-for-emerging-technologies
Designed by Tistory.