Jeonghyun Joo

Threat Hunting / Incident Response at @BithumbOfficial Security Team

[Brais Moure @MoureDev]

Cloudflare ha lanzado su propia skill completísima de auditorías de seguridad.

Es la que utilizaban internamente en la empresa como sistema de detección de vulnerabilidades.

→ https://t.co/p2WjZT7phe

[connect24h @connect24h]

CISAの新しいLogging Reference Architecture。

これ、かなり刺さる。

「SIEMにログを集めました」は、もう答えにならない。

問われるのは、

・必要なログが本当に届いているか
・欠損や遅延を検知できるか
・元の文脈を潰さず正規化できるか
・障害後にReplayできるか
・必要な期間、検索できるか
・侵害経路を最後まで再構築できるか

そしてCISAは、

「全ログをSIEMに入れる必要はない」

とまで踏み込む。

Repository First、Selective Feed、階層ストレージ。

高価なSIEMをログ倉庫にするのではなく、

検知に必要なログと、フォレンジックに必要なログを分けて設計する。

さらに強烈なのがこれ。

コネクタがGreenでも、ログが使えなければ“能力”ではない。

収集できていることと、
インシデント対応できることは別物。

SOCで見るべきKPIは
「ログ収集率」ではなく、

そのログで攻撃を再構築できるか。

CISAがようやく、そこまで言語化した。

https://t.co/Seg2Hc6ScL

[Jeonghyun Joo @dollceswg]

@okascmy1 삼성 스카이패스 플래티넘 추천

[Jeonghyun Joo @dollceswg]

@okascmy1 대한항공 마일리지가 후져..

[Jeonghyun Joo @dollceswg]

@okascmy1 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ

[iwashi / Yoshimasa Iwase @iwashi86]

このサイト知らなかったな。眺めているだけでも面白いのと、各用語をclickすると説明ページに飛べるのも親切だ。

"LLM Architecture Gallery"
https://t.co/Lrt0aW11ff

[Phoenix Yin @Phoenixyin13]

斯坦福大学课程最大的特点就是时效性。

CS329Z｜Engineering AI Agents
今年秋季首开的 required reading 里，arXiv 编号有 2601、2603 开头的。
几个月前才挂上去的 preprint直接进教学大纲。MCP 的 spec 是指定阅读。
而Anthropic 的工程 blog 和 NeurIPS 论文被并排放在同一行。教材的出版周期是两三年,在这个领域等于已经无法跟上时代。

作业同理。
HW1 先用 litellm 从零搭 agent，用 DSPy 重搭一遍，反思框架到底抽象掉了什么。HW2 直接扔给你一个现成 agent，让你设计整套评估。全程没有一节课在讲Transformer 的结构是什么，只看hardcore。

我认为评估部分即第 7–9 周的内容是稀缺的东西。搭 agent 的教程满地都是，而怎么知道这个 agent 到底行不行的部分几乎没人教好。Stanford这门课回应了这点。

多说一句，其实HW2 的题目设计可以直接拿来自训的。给一个现成 agent,设计完整评估套件 外加error analysis。不选课也能做，而且做完，我相信是能写进申请材料的。

[astaxie @astaxie]

真的很感慨，斯坦福的课程更新速度太快了。

CS329Z 已经在教 AI Agent：RAG、Tool Use、MCP、Memory、Multi-Agent、Eval、Coding Agent……

再看看很多大学生还在学习上一个时代、甚至已经被淘汰的东西。

强烈建议身边的大学生都去学学这门课，真的很值得。

https://t.co/7CWzlKMzlu

[nogu @_nogu66]

登壇資料です

AIエージェント時代のコードレビューを設計する https://t.co/kJ8G6ZOVUe
#ROSCAFE

[Roy Lee @asheswook]

네이버 금융클라우드 미친놈들인가 서버를 막 꺼뜨려버리네 그것도 하필 managed kafka랑 DB 노드를 내려버린다고?

[hiro_ @papa_anniekey]

Agentic SOCのソリューションベンダー、Vega Securityが公開しているDetections Skills集
https://t.co/2zpLYz8Etc

[AYi @AYi_AInotes]

当很多公司都在哀嚎 AI 账单贵到用不起，Uber 刚发的这篇技术长文直接把全行业看傻了:
全公司 70% 的代码 PR 全由 Agent 接管，调用量半年狂飙近 10 倍，
但总 AI 账单被死死按在原地一分没涨，单次会话成本硬生生砍掉了 52%，
他们直接把软件工程做成了一座全自动的软件工厂，真的牛逼，

以前是人打开聊天框求 AI 帮一把，
现在 Uber 养了一整支托管 Agent 舰队: 审代码、修挂掉的 CI、分诊报警全是专职 AI 自动上班，
人变成了抽查质检的厂长，每天跑 3 万多次流水线任务

他们最狠的地方，是把 AI 账单拆成了一道极其冷酷的乘法题，
用量可以疯涨，但零价值的废 Token 必须被物理抹杀:

1️⃣ 规划用大脑，干活全用便宜子 Agent:
任务拆解用顶级大模型，具体搬砖的子任务全部默认切给轻量模型，这一招直接成了全厂杠杆最高的开关；

2️⃣ 把 5 分钟缓存改成 1 小时:
工程师去倒杯水开个会回来，上下文缓存依然在，原价 1 折直接续上，40 万 token 强制写摘要压缩，绝不把整本历史无限复印；

3️⃣ 别把一千种工具说明书塞进大脑:
1000 多个内部 MCP 工具统一走网关，模型要用时先搜索再按需挂载，绝不在开局就傻傻灌入 7 万 token 的工具定义；

4️⃣ Code-mode 砍掉话痨轮询:
跑 SQL 和批处理让模型自己写脚本去跑，只交回最终结果，避免一问一答的无效 ping-pong，单项 token 直接暴省 90%；

5️⃣ 2400 万节点知识图谱导航:
给 Agent 发一张包含全公司服务和事故的活地图，以前翻代码盲搜 20 分钟还报错，现在 38 秒精准定位

用量涨不可怕，浪费涨才可怕，
从人机对话迈向托管工厂舰队，大厂把 AI 真正落地的账本，算是彻底算明白了

[요즘IT @yozm_it]

⭐ 낯선 코드베이스 구조를 그림으로 보여주는 도구(Understand Anything)

새 팀 합류하고 낯선 코드들을 보면 참 막막하죠
Understand Anything은 코드를 통째로 읽어 지도로 그려주어 사용자의 이해를 돕습니다 ㅎㅎ 이미 유명한 도구죠?

파일·함수·의존관계를 눈으로 보는 인터랙티브 그래프로 보여준다는 게 꽤나 매력적입니다

■ 뭘 해주냐면
- 코드 전체를 훑어 지식 그래프로: 파일·함수·클래스를 클릭하며 탐색
- 각 노드를 쉬운 말로 요약: 이건 뭐 하는 코드인지 풀어 설명
- 가이드 투어: 의존 순서대로 "이 코드는 이 순서로 보라"고 안내
- 변경 영향 분석: 내 수정이 어디까지 파급되는지 커밋 전에 확인

■ 뭐가 좋냐면
- 한국어 지원: --language ko로 그래프·설명을 한국어로 뽑아요
- 그래프는 JSON이라 팀에 공유하면 동료는 분석 과정을 건너뛰어요 (온보딩용)
- Claude Code·Cursor·Codex·Copilot 등 대부분의 도구에서 사용 가능
- 무료 오픈소스(MIT)

📎 링크: https://t.co/iuhlgH9DRs

[CopyRebeldia @CopyRebeldia]

Así se ve un sueldo de 750.000 dólares al año: un tipo en camiseta blanca, un pizarrón y 2 horas y media.

Stanford, CS336. Percy Liang construye un LLM desde cero. Lo que hay debajo de Claude y ChatGPT, y arranca por la parte que todos saltan: el modelo no lee tu texto, lee números.

Anthropic paga ese sueldo a los ingenieros que entienden esa capa.

Lo único que cobra Stanford son 2 horas y media de tu atención.

[yousukezan @yousukezan]

脅威ハンティング導入の実務

https://t.co/tpsRFsrXgn

[Marco @maarcoofdezz]

Anthropic acaba de lanzar una guía completa sobre cómo construir tu primer agente de IA

Si yo hubiese tenido esto hace un año, habría lanzado mi primer agente en una hora

Este es el camino más rápido de cero a tu primer agente funcional

Guarda esto, estoy seguro de que te servirá de gran ayuda

[serros404 @serros404]

Onde ler bons reports e melhorar MUITO em Bug Bounty?

- Reports da Google (ouro) > https://t.co/yppGwSlZAI

- Site com 1K de reports organizados + API https://t.co/TTYl9plCtZ

- Reports escolhidos a dedo por
@busf4ctor (ref global e br) > https://t.co/4PTBhIL6R6

[iwashi / Yoshimasa Iwase @iwashi86]

かなり面白い。マルチエージェントを自律的に動かすと、サボったり雑に合意したりなどの予期せぬ行動が起きるよ、というAnthropicのブログ。

・ソフトウェアの脆弱性発見では、エージェント同士が協力する方が成果が高かった
・ただ、互いに依存するゲーム開発タスクでは調整が難航
・古いモデルはコードが競合し、新しいモデルは共同作業自体を避ける傾向にあった
・最新のSonnet 5のみが、共同作業と生産性の高さを両立できた

・また、エージェントは人間より行動の多様性が低く、同じ状況で同じ行動をとりやすい
・例えば、複数のエージェントが全く同じブランチ名で開発を始めたりした
・資源が限られた環境では、全エージェントが同時にアクセスしてシステムをパンクさせることもあった
・価格競争ゲームでは、裏で価格カルテルを結ぶケースまであった

・情報源の信頼性を評価する能力にも課題がある
・新しいモデルほど嘘を見抜く能力は高い
・しかしグループで議論させると、早々に合意してしまい重要な情報が共有されない
・これは、人間社会が持つ評判のような仕組みがエージェントには欠けているため

・さらに、互いに矛盾する目標を与えられると、エージェント同士で縄張り争いが発生
・他者のプロセスを強制終了したり、アカウントをロックするなどの妨害工作を自動化
・ただ、一部の新しいモデルでは対立を認識し、自ら休戦協定を結ぶケースもあったらしい

・マルチエージェントをうまく機能させるためのメカニズム設計が今後の重要課題

https://t.co/8E0eXcFLIv

[AI 카페인 ☕️ @AI_Caffeine]

☕️ 기술 면접에서 가장 어려운 파트 중 하나는 결국 시스템 디자인입니다.

이 GitHub 저장소는 자주 나오는 시스템 디자인 문제를
기초부터 실전까지 따라갈 수 있게 정리해둔 노트 모음입니다.

총 28개 주제로 구성되어 있고,

→ 요구사항 정리
→ 트래픽 추정
→ 저장소 설계
→ API와 데이터 흐름
→ 확장성·재해 복구

같은 과정을 단계적으로 설명합니다. 🧩

기술 면접 준비는 물론이고,
분산 시스템 기초를 보완하고 싶을 때나
제품을 만들면서 아키텍처가 막막하다고 느낄 때
연습 문제집처럼 보기 좋은 자료입니다.

🔗Github https://t.co/rYP6Zi16sF

#AI #AICaffeine #Github #Interview

[Noah @ontology__x]

LLM 관련 프로젝트 투자 품의를 진행하던 초기에 유독 기억에 남는 일이 하나 있다.

비기술 조직에서 오랫동안 사업기획을 담당하셨던 임원분이 어느 날 따로 연락을 주셔서 물으셨다.

“임베딩이 정확히 뭡니까?”

당시 C-Level 보고에서 우리가 세운 원칙은 꽤 단순했다.

‘초등학생도 이해할 수 있을 만큼 쉽고 라이트하게 설명하자.’

문제는 설명하는 우리 역시 개념을 ‘알고 있는 것’과 ‘쉽게 설명할 수 있을 만큼 이해하고 있는 것’ 사이에 꽤 큰 차이가 있었다는 점이다.

Word2Vec, Vector, Dimension, Cosine Similarity…

정확하게 설명하려고 용어를 하나씩 붙일수록 말은 길어졌고, 듣는 사람에게 임베딩은 오히려 더 어려운 개념이 됐다.

결국 우리가 선택한 방법은 시각화였다.

영상은 10,000개의 단어를 각각 200차원의 벡터로 표현한 Word2Vec 임베딩이다.

인간이 200차원의 공간을 그대로 볼 수는 없으니 PCA를 이용해 3차원으로 투영한다.

화면에서 하나의 점은 하나의 단어다.

‘toy’라는 점을 선택하면 주변의 단어들이 보이고, 우측에는 원래 200차원 임베딩 공간에서 Cosine Distance 기준으로 가까운 단어들이 나타난다.

우리가 당시 전달하려던 핵심은 사실 이것뿐이었다.

“AI는 단어의 의미를 사전처럼 저장하는 것이 아니라, 수많은 숫자로 이루어진 공간 속 위치와 관계로 표현한다.”

그리고 이 그림 역시 200차원 공간의 ‘진짜 모습’은 아니다.

사람이 이해할 수 있도록 3차원에 투영한 일종의 지도에 가깝다.

이 경험 이후 AI 기술을 투자부서나 유관부서에 설명하는 방식이 꽤 많이 바뀌었다.

모델 구조를 얼마나 정확하게 설명하느냐보다, 의사결정자가 어떤 Mental Model을 가져가게 할 것인가를 먼저 고민하기 시작했다.

AX를 추진하면서 생각보다 중요한 역량 중 하나가 바로 이것이었다.

기술을 아는 것과, 그 기술을 비기술 의사결정자가 이해할 수 있는 형태로 번역하는 것은 전혀 다른 능력이다.

그리고 좋은 시각화는 기술을 ‘단순화’하는 도구라기보다, 복잡성을 훼손하지 않으면서 의사결정에 필요한 추상화 수준까지 끌어올리는 도구에 가깝다.