보안, 머신러닝과 계산 이론

암호학, 웹·소프트웨어 보안, 머신러닝, 신경망, 계산 이론의 일부 개념을 복습합니다. 프로그래밍, 네트워크, 확률, 선형대수의 기초를 전제로 정의·조건·한계에 집중하며, 구현 전반을 다루는 과정은 아닙니다.

Category
Computer Science
Level
advanced
Languages
ko → ko
Cards
32
Markdown
보안, 머신러닝과 계산 이론 (.md)

Flashcards (32)

#Front (Term / Question)Back (Definition / Answer)ExampleMultiple-Choice Options
1결정 문제와 다항 시간 다대일 환원에서 P, NP, NP-난해, NP-완전은 어떻게 다른가?P는 결정적 다항 시간에 판정 가능한 문제들이다. NP에서 답이 ‘예’인 입력에는 다항 길이의 증명서가 있고 다항 시간에 검증할 수 있다. NP의 모든 문제를 어떤 문제로 이렇게 환원할 수 있으면 그 문제는 NP-난해하다. NP-완전은 NP-난해하면서 NP에도 속함을 뜻한다. NP-난해만으로는 NP 소속을 요구하지 않는다.
2대용량 DDoS, SYN 플러드, 애플리케이션 계층 공격은 어떻게 다른가?분산된 트래픽 출처에서 각각 대역폭, 연결 상태 관리 자원, 애플리케이션 처리 작업을 겨냥한다. 방어는 병목에 맞춰야 한다. 트래픽 폭주에는 상위 네트워크 필터링·정화, 일부 연결 상태 공격에는 SYN 쿠키, HTTP 악용에는 애플리케이션별 필터·요청 속도 제한을 쓴다. 모든 DDoS를 막는 단일 조치는 없다.
3크기를 조정한 내적 기반 자기 주의는 마스크를 포함해 토큰 정보를 어떻게 결합하는가?softmax(QKᵀ/√dₖ + M)V를 계산한다. Q, K, V는 같은 시퀀스의 투영이며 dₖ는 키와 쿼리의 차원이다. 가산 마스크 M은 허용 위치에서 0, 차단 위치에서 −∞다. 각 쿼리마다 허용된 키들에 softmax를 적용한다. 인과 마스크는 미래 토큰을 차단한다.
4SQL 삽입은 어떻게 발생하며 매개변수화된 쿼리는 어떻게 도움이 되는가?신뢰할 수 없는 입력을 데이터가 아닌 SQL 코드로 해석할 때 발생한다. 데이터 값은 SQL 문자열에 이어 붙이지 말고 매개변수에 바인딩한다. 일반적으로 테이블명, 열 이름, SQL 키워드는 매개변수로 대체할 수 없으므로 신뢰할 수 있고 명시적으로 허용된 선택지에서 정한다.
5최소 권한과 제로 트러스트는 어떤 관계인가?최소 권한은 작업에 필요한 접근만 부여한다. 제로 트러스트는 네트워크 위치나 소유권만으로 암묵적으로 신뢰하지 않고, 자원 접근 전에 신원·기기 상태·정책을 평가하며 계속 재평가한다. 최소 권한을 대체하는 것이 아니라 적용한다.
6특성 차원이 고정일 때 전체 자기 주의, FlashAttention, KV 캐시의 비용은 시퀀스 길이에 따라 어떻게 달라지는가?N개 토큰의 일반적인 전체 주의는 O(N²) 산술 연산과 명시적으로 저장하는 점수용 O(N²) 메모리를 쓴다. 정확한 FlashAttention은 이 이차 저장 공간을 피하지만 산술 연산량은 이차로 남는다. 자기회귀 디코딩에서 KV 캐시는 이전 키와 값을 재사용해 재계산을 피한다. 하지만 전체 주의는 새 쿼리를 여전히 이전 토큰들과 비교한다.
7SSRF란 무엇이며 방어 시 무엇을 제한해야 하는가?SSRF는 서버가 공격자가 고른 대상으로 요청을 보내게 하여 내부 서비스나 클라우드 메타데이터를 노출할 수 있다. 허용 대상과 프로토콜을 제한하고 이름 해석 후 주소와 리디렉션을 검사하며 외부로 나가는 네트워크 트래픽을 통제한다. 제출된 호스트명만 검사해서는 부족하다.
8HMAC은 무엇을 인증하고 무엇은 제공하지 않는가?HMAC-SHA256 같은 HMAC은 공유 비밀 키로 메시지 태그를 계산한다. 올바른 태그는 키 보유자에게 무결성과 인증의 근거를 제공한다. 메시지를 암호화하지 않으며 여러 키 보유자 중 누가 작성했는지도 증명하지 못한다.
9장기 인증 키가 유출되었을 때 순방향 비밀성은 무엇을 보호하는가?세션 비밀까지 유출되지 않았다면 이전에 기록한 세션의 기밀성을 유지한다. 임시 비밀을 안전하게 삭제할 때 임시 Diffie–Hellman이 이 성질을 제공할 수 있다. 이 경우 장기 키만 유출되어서는 과거 세션 키를 알 수 없다.
10XSS 삽입을 막는 방어와 영향만 줄이는 조치는 어떻게 다른가?XSS는 공격자가 제어하는 코드를 브라우저의 사이트 문맥에서 실행한다. 문맥에 맞는 출력 인코딩, 안전한 DOM 연산, 의도적으로 허용한 HTML의 적절한 정제가 삽입에 대응한다. CSP는 추가 방어를 제공한다. HttpOnly는 스크립트의 쿠키 읽기를 막을 수 있지만 XSS 실행 자체를 막지는 않는다.
11인증서 인증과 임시 Diffie–Hellman을 사용하는 일반적인 TLS 1.3 핸드셰이크에서 서버와 세션 키는 어떻게 검증하는가?클라이언트는 인증서, 서버 신원, 핸드셰이크 메시지 기록에 대한 CertificateVerify 서명을 검증한다. 임시 Diffie–Hellman으로 공유 비밀을 확립하고 통신 키를 유도한다. Finished 메시지는 기록을 인증하고 유도된 키를 확인한다. TLS 1.3은 다른 핸드셰이크 방식도 지원한다.
12잔차 연결과 층 정규화는 깊은 망의 어려운 기울기 전파를 어떻게 돕는가?역전파 중 기울기가 매우 작거나 커질 수 있다. 잔차 연결 y = F(x) + x는 항등항을 통해 미분이 전달되는 직접 경로를 준다. 층 정규화는 활성화의 척도를 조정해 학습을 안정시킬 수 있다. 도움이 되지만 기울기 소실이나 폭발의 해결을 보장하지는 않는다.
13서명된 JWT의 콤팩트 형식에는 무엇이 있으며 단순 디코딩만으로 부족한 이유는?base64url의 세 부분에 헤더, 클레임을 담은 페이로드, 서명 또는 MAC이 들어간다. 인코딩이지 암호화가 아니다. 신뢰하는 키와 명시적으로 허용한 알고리즘으로 서명 또는 MAC을 검증한 뒤 발급자, 대상, 만료 시간 등 애플리케이션이 요구하는 클레임을 확인한다. JWT에는 암호화된 표현도 있다.
14버퍼 오버플로는 메모리를 어떻게 손상시킬 수 있으며 ASLR·NX·스택 카나리의 한계는?범위 밖 쓰기는 스택이나 힙 데이터, 때로는 제어 정보도 손상시킬 수 있다. ASLR은 위치를 무작위화하고 NX는 지정 페이지의 실행을 막으며 카나리는 일부 스택 덮어쓰기를 탐지한다. 이런 완화책은 악용을 줄이지만 근본적인 메모리 안전성 오류를 없애지는 않는다.
15L1·L2 벌점은 모델 가중치에 어떤 영향을 주며 과적합 감소를 보장하는가?L1은 손실에 λ∑|wᵢ|를 더해 일부 가중치를 0으로 만들 수 있다. L2는 λ∑wᵢ²를 더해 정확한 0을 유도하지 않고 가중치를 줄이는 경향이 있다. 강도 λ ≥ 0은 조정해야 하며, 어느 쪽도 일반화 개선이나 무관한 특성만의 식별을 보장하지 않는다.
16HSTS는 HTTPS 다운그레이드를 어떻게 제한하며 첫 방문에는 어떤 한계가 있는가?공격자는 브라우저를 암호화되지 않은 HTTP에 머물게 하려 할 수 있다. 알려진 HSTS 호스트에는 브라우저가 HTTPS를 쓰고 인증서 오류를 거부한다. 이전의 안전한 방문에서만 배운 정책은 첫 비보안 방문을 보호하지 못한다. 미리 탑재한 정책은 이 초기 공백을 메울 수 있다.
17PKCE는 OpenID Connect를 포함한 OAuth 인가 코드 흐름을 어떻게 보호하는가?클라이언트는 새로운 비밀 코드 검증 값을 만들고 S256으로 유도한 챌린지를 인가 요청과 함께 보낸다. 코드를 교환할 때 검증 값을 제시하면 서버는 여기서 유도한 챌린지가 코드에 연결된 값과 일치하는지 검사한다. 코드만 가로채서는 부족하다. OAuth는 권한 위임을 다루고 OpenID Connect는 인증 계층을 추가한다.
18처치–튜링 논제는 무엇을 주장하며 왜 논제라고 부르는가?효과적인 기계적 절차로 계산 가능한 모든 함수는 튜링 기계로 계산할 수 있다는 주장이다. 비형식적인 효과적 계산 개념을 형식 모델에 연결하므로 이 동일시는 두 형식 모델에 관한 정리가 아니라 논제다. 특정 형식 모델들의 동등성은 증명할 수 있다.
19고전적 편향–분산 관점에서 두 성질은 과소적합·과적합과 어떻게 관련되는가?편향은 평균 예측이나 추정의 체계적 오차이고, 분산은 학습 표본에 대한 민감도다. 큰 편향은 과소적합에, 큰 분산은 학습 표본 특유의 변동에 맞추거나 일반화가 나빠지는 데 기여할 수 있다. 균형은 모델, 데이터, 학습 절차에 달려 있다.
20정지 문제의 결정 불가능성은 무엇을 배제하는가?항상 종료하면서 모든 프로그램과 입력에 대해 해당 실행이 언젠가 종료하는지를 정확히 판단하는 알고리즘을 배제한다. 특정 프로그램이나 제한된 부류의 종료·비종료를 증명하는 것까지 막지는 않는다.
21검색 증강 생성(RAG)이란 무엇이며 무엇을 보장하지 않는가?외부 자료를 검색해 이를 조건으로 생성한다. 답변의 근거를 개선하고 생성기를 재학습하지 않고 정보를 갱신하기 쉽게 할 수 있다. 그러나 자료가 낡거나 틀리거나 무관할 수 있고 생성도 틀릴 수 있다. 검색했다고 문서가 반드시 참이 되는 것은 아니다.
22CSRF란 무엇이며 SameSite 쿠키만으로 충분하지 않은 이유는?CSRF는 세션 쿠키 같은 자격 증명이 자동 첨부된 원치 않는 요청을 브라우저가 보내게 한다. 상태 변경 요청에서는 적절한 CSRF 방지 토큰을 검증하고 SameSite를 추가 방어로 쓴다. SameSite=Lax는 사이트 간 최상위 GET 탐색에 쿠키를 허용할 수 있으므로 GET 엔드포인트는 상태를 변경해서는 안 된다.
23결정적·비결정적 유한 오토마타와 형식적 정규 표현식의 공통점은?두 종류의 오토마타는 형식적 정규 표현식으로도 나타내는 정규 언어를 정확히 인식한다. 비결정적 오토마타는 허용된 계산 중 적어도 하나가 받아들이면 입력을 받아들인다. 프로그래밍 언어의 정규 표현식에 있는 역참조 같은 기능은 이 형식적 범위를 넘어설 수 있다.
24신경망의 아핀 층 사이에 비선형 활성화가 필요한 이유는?아핀 사상의 합성은 여전히 아핀이므로 그것만 쌓아서는 비선형 특성을 만들지 못한다. ReLU나 GELU 같은 은닉층의 비선형 활성화는 더 표현력 있는 함수를 가능하게 한다. 이는 은닉 표현에 관한 것으로, 출력에만 비선형 변환을 하는 문제가 아니다.
25대칭키 암호화와 공개키 암호 기술은 어떻게 다른가?AES나 ChaCha20 같은 대칭키 암호화는 같은 비밀 키로 암호화하고 복호화한다. 공개키 암호 기술은 서로 관련된 공개 키와 개인 키 쌍을 사용하며, 방식에 따라 암호화, 디지털 서명 또는 키 합의를 제공한다. 이 연산들은 서로 대체할 수 없다.
26동일 출처 정책과 CORS는 다른 출처의 응답을 읽는 브라우저 접근을 어떻게 제어하는가?일반적인 웹 URL의 출처는 스킴, 호스트, 포트로 정해진다. 동일 출처 정책은 스크립트의 출처 간 읽기를 제한한다. CORS는 서버가 응답 헤더로 특정 브라우저 접근을 허용하게 한다. 일부 요청에만 OPTIONS 사전 요청이 필요하다. CORS는 서버 측 권한 검사를 대신하지 않는다.
27비밀번호를 SHA-256만으로 저장하지 않고 솔트를 쓰는 비밀번호 해시 방식으로 저장하는 이유는?고유한 무작위 솔트는 미리 계산한 표의 재사용을 막고 같은 비밀번호에도 다른 저장 해시를 만든다. 조절 가능한 비용은 추측을 늦춘다. Argon2id와 scrypt는 메모리 비용을 부과하고, bcrypt는 주로 CPU 비용을 부과하는 느린 기존 방식이다. SHA-256은 빠르게 설계되었다. 솔트는 비밀이 아니며 적절한 비용은 배포 환경에 달려 있다.
28이진 분류에서 정밀도, 재현율, F1, ROC-AUC는 무엇을 측정하는가?선택한 양성 클래스에 대해 분모가 0이 아니면 정밀도 = TP/(TP+FP), 재현율 = TP/(TP+FN), F1 = 2TP/(2TP+FP+FN)이다. ROC-AUC는 임곗값에 따른 참양성률과 거짓양성률의 관계를 요약한다. 클래스가 불균형하면 정밀도–재현율의 양상과 오류 비용도 살펴야 한다. ROC-AUC만으로 보편적인 품질을 평가할 수는 없다.
29역전파와 SGD·Adam 같은 최적화기는 신경망 학습에서 역할을 어떻게 나누는가?역전파는 연쇄 법칙으로 손실 기울기를 계산한다. SGD는 표본에서 계산한 기울기의 반대 방향으로 매개변수를 한 단계 갱신한다. Adam은 기울기 모멘트의 이동 평균 추정치를 사용해 갱신을 조절한다. 기울기 계산과 매개변수 갱신 선택은 다른 작업이다.
30의존성 버전 고정, 서명 검증, SBOM은 소프트웨어 공급망 보안에 어떻게 도움이 되는가?고정 버전과 확인한 해시는 의도한 의존성을 식별하는 데 도움이 된다. 검증한 서명과 출처 정보는 산출물의 출처와 무결성 확인을 돕고 SBOM은 구성 요소를 목록화한다. 보호된 빌드와 취약점 검토를 함께 써야 한다. 유효한 서명이나 SBOM은 소프트웨어가 안전하다는 증명이 아니다.
31지도 학습, 비지도 학습, 강화 학습은 어떻게 다른가?지도 학습은 목표 레이블이 있는 예제로 예측을 배운다. 비지도 학습은 그런 레이블 없이 데이터의 구조를 찾는다. 강화 학습은 환경과 상호작용하면서 기대 누적 보상을 높이는 행동을 배운다.
32SHA-256 같은 고정 출력 길이의 암호학적 해시 함수에 필요한 보안 성질은 무엇인가?입력을 결정적으로 고정 길이 다이제스트로 바꾼다. 역상 저항성은 주어진 다이제스트의 입력을 찾는 것을 계산상 불가능할 만큼 어렵게 한다. 제2역상 저항성은 주어진 입력과 같은 다이제스트를 갖는 다른 입력을 찾기 어렵게 한다. 충돌 저항성은 같은 다이제스트를 갖는 임의의 서로 다른 입력 쌍을 찾기 어렵게 한다.