RAG 2.0 보안 – Microsoft·Meta의 전략, QueryPie가 연결한다
RAG 2.0 보안은 모델 응답보다 검색과 삽입 단계의 실행 흐름 통제가 핵심이라고 정리했습니다. Microsoft, Meta, QueryPie 사례를 통해 세션·메타데이터 기반 정책 평가의 필요성을 설명했습니다.
#RAG#LLM#벡터DB
1700
모든 블로그
대표 인기 포스트모두가 묵인하던 명령어 우회, 이제 터놓고 얘기해봅시다!137 조회137 조회 AI AI AI
아키텍처
아키텍처 AI
아키텍처
AI AI
아키텍처
AI AI
AI
AI AI
AI
AI AI
QueryPie
도메인querypie.com
주요 카테고리 AI · DevOps
활동 요약
- 최근 30일
- 0개
- 평균 조회
- 27
- 누적 조회
- 3,765
- 전체 글
- 137개
- 마지막 발행
- 2026. 3. 12.
QueryPie 기술 블로그 글 (137)
RAG 2.0 보안 – Microsoft·Meta의 전략, QueryPie가 연결한다
RAG 2.0 보안은 문서 검색부터 프롬프트 삽입까지의 실행 흐름을 통제하는 데서 시작한다고 설명했습니다. Microsoft, Meta, QueryPie 사례를 통해 실행 시점 정책 평가와 메타데이터 필터링의 중요성을 정리했습니다.
#RAG#LLM#보안
1700
RAG 2.0 보안 – Microsoft·Meta의 전략, QueryPie가 연결한다
RAG 2.0 보안을 실행 흐름 제어 관점에서 설명하고, Microsoft·Meta·QueryPie의 정책 적용 구조를 비교했습니다. 프롬프트 삽입 전 세션·메타데이터 기반 평가와 감사 추적의 중요성을 강조했습니다.
#RAG#MCP#LLM
3000
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 명확히 구분해야 한다는 설계 원칙을 정리했습니다. 실행 통제와 감사 가능성을 위해 별도 보안 계층이 필요하다고 설명했습니다.
#MCP#AI Agent#LLM
2400
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 분리해 보안 설계 원칙을 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보완 계층의 필요성을 강조했습니다.
#MCP#AI Agent#LLM
2400
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 분리해 설계해야 하는 이유를 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보안 계층도 함께 고려해야 합니다.
#MCP#AI Agent#LLM
5900
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
AI 에이전트의 자율 실행이 기존 DevSecOps 통제를 우회할 수 있다는 문제를 짚고, AgentSecOps를 실행 시점 보안 계층으로 제안했습니다. 또한 PDP, PBAC, PEP, PIP를 중심으로 한 통제 구조와 MCP 기반 상용화 방향을 설명했습니다.
#LLM#DevSecOps#cloud
1700
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 다루었습니다. 실행 시점 정책 평가와 감사 로깅을 담당하는 AgentSecOps와 PDP·PBAC·PEP·PIP 구조를 제안했습니다.
#AgentSecOps#DevSecOps#LLM
2600
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 설명했습니다. 실행 시점 정책 평가와 감사 로깅을 중심으로 AgentSecOps와 MCP 기반 통제 구조를 제안했습니다.
#LLM#MCP#DevSecOps
8500
MCP를 넘어 MCPS로: 엔터프라이즈 AI를 위한 보안 프로토콜의 필요성
MCP의 구조와 활용 가능성을 설명한 뒤, 엔터프라이즈 환경에서의 보안 공백을 짚었습니다. 인증과 암호화, 감사 로깅을 내장한 MCPS가 필요하다고 제안했습니다.
#MCP#보안#TLS
1600
MCP를 넘어 MCPS로: 엔터프라이즈 AI를 위한 보안 프로토콜의 필요성
MCP의 구조와 활용 가능성을 설명하면서 엔터프라이즈 환경에서 부족한 보안 요소를 짚었습니다. HTTPS의 사례를 바탕으로 MCPS와 같은 보안 표준의 필요성을 제안했습니다.
#MCP#보안#인증
1600
MCP를 넘어 MCPS로: 엔터프라이즈 AI를 위한 보안 프로토콜의 필요성
MCP의 엔터프라이즈 보안 공백을 짚고, HTTP와 HTTPS의 사례를 바탕으로 MCPS라는 보안 프로토콜을 제안했습니다. 상호 인증, TLS 암호화, 인가, 감사 로깅을 핵심으로 보안 표준화 필요성을 설명했습니다.
#MCP#LLM#보안
6900
Google Agentspace는 생산성을, QueryPie MCP PAM은 보안을 책임진다.
Google Agentspace의 생산성 중심 실행 구조와 QueryPie MCP PAM의 정책 기반 통제 구조를 비교했습니다.실행 시점 승인, 감사, 민감정보 보호를 위해 두 솔루션의 병행 구성이 필요함을 설명했습니다.
#Google Agentspace#QueryPie#MCP
2600
Google Agentspace는 생산성을, QueryPie MCP PAM은 보안을 책임진다.
Google Agentspace는 AI 실행과 생산성을 높이는 플랫폼으로 정리했습니다. QueryPie MCP PAM은 실행 시점 정책 평가와 승인, 감사로 보안을 보완한다고 설명했습니다.
#LLM#MCP#DLP
1800
Google Agentspace는 생산성을, QueryPie MCP PAM은 보안을 책임진다.
Google Agentspace는 AI 실행과 자동화를 강화하는 플랫폼으로 소개했습니다. QueryPie MCP PAM은 실행 전 정책 평가와 승인, 감사로 보안을 보완하는 계층으로 설명했습니다.
#Google Cloud IAM#MCP#보안
6400
MCP 보안성 평가: 문헌 조사를 통한 MCP 보안 위협 식별 및 취약점 분석
MCP 기반 AI 시스템의 보안 위협을 문헌 조사로 분류하고 분석했습니다. 정책 연동, 문맥 무결성, 위임 통제, 감사 구조를 묶은 MCP PAM을 제안했습니다.
#MCP#LLM#보안
2000
MCP 보안성 평가: 문헌 조사를 통한 MCP 보안 위협 식별 및 취약점 분석
MCP 기반 AI 시스템의 보안 위협을 문헌 조사로 정리하고 4가지 핵심 위험 유형으로 분류했습니다. 정책 연동, 문맥 무결성, 위임 통제, 감사 추적을 묶은 MCP PAM 아키텍처를 제안했습니다.
#MCP#LLM#보안
1300
MCP 보안성 평가: 문헌 조사를 통한 MCP 보안 위협 식별 및 취약점 분석
MCP 기반 AI 시스템의 보안 위협을 문헌 조사로 정리하고, 4가지 핵심 위협 유형과 대응 전략을 제시했습니다. 또한 이를 통합하는 MCP PAM 보안 아키텍처를 제안했습니다.
#MCP#LLM#보안
3600