정보관리기술사의 노트

에이전틱 AI 보안 위협과 대응방안 — 11대 위협·17개 보안대책·MCP 보안 (국가 AI보안 가이드북)

에이전틱 AI 보안 위협과 대응방안 — 11대 위협·17개 보안대책·MCP 보안 (국가 AI보안 가이드북)AI가 스스로 계획을 세우고 도구를 호출해 행동하는 에이전틱 AI 시대, 보안 위협도 완전히 새로운 양상으로 진화하고 있습니다. 국가·공공기관 AI보안 가이드북(국가정보원)의 에이전틱 AI 보안대책 내용을 바탕으로, 11대 보안위협과 17개 보안대책을 정리했습니다. 정보관리기술사 시험의 최신 출제 영역이자, AI 에이전트를 도입하려는 모든 조직의 실무 체크리스트입니다.1. 왜 에이전틱 AI 보안인가AI 기술은 예측형 AI, 생성형 AI 시대를 지나 다른 시스템에 대한 접근·실행 권한을 가지는 에이전틱 AI로 진화하고 있습니다. 챗봇이 "답변"만 했다면, 에이전틱 AI는 메일을 보내고, API를 호출하..

개인정보 보호·활용 기술 R&D 로드맵(2026~2030) — 4대 분야·11대 핵심기술·AI-PET

개인정보 보호·활용 기술 R&D 로드맵(2026~2030) — 4대 분야·11대 핵심기술·AI-PET개인정보보호위원회가 AI 시대의 개인정보 보호와 안전한 활용을 위한 「개인정보 전주기 보호·활용 기술 R&D 및 표준화 로드맵(2026~2030)」을 발표했습니다(2026.6.9). 에이전틱·피지컬 AI 확산에 대응해 4대 분야 11대 핵심기술을 선정한 것이 핵심입니다. 정보관리기술사 시험과 금융권 개인정보·AI 거버넌스 실무 양쪽에서 주목할 내용이라 정리합니다.1. 로드맵의 배경과 의미이번 로드맵은 기존에 따로 운영되던 기술 R&D 로드맵과 표준화 로드맵을 통합·연계해 조기 개정한 것입니다. 배경은 명확합니다.에이전틱·피지컬 AI 확산으로 개인정보 처리 환경이 급변AI 학습데이터의 노출·재식별 등 새로운..

IT 경제성 분석과 요구사항 관리 — NPV·BSC·WBS·요구사항 공학

IT 경제성 분석과 요구사항 관리 — NPV·BSC·WBS·요구사항 공학IT 투자의 타당성을 검증하는 경제성 분석과, 프로젝트 성패를 가르는 첫 단추인 범위·요구사항 관리는 정보관리기술사 시험에서 단독 토픽은 물론 '사업 관리' 테마의 서론·결론으로 자주 인용되는 핵심 영역입니다. 기술사 관점의 요약과 제언, 암기 두음 표까지 정리했습니다.1. 경제성 분석 및 IT 투자 성과 관리① 경제성 분석 기법 (정량적/정성적)정량적 분석 (TRNIP): TCO를 기반으로 ROI, NPV, IRR, PP를 산출해 재무적 타당성을 검토. 특히 비용편익비율(BCR)이 1보다 커야 사업성이 있다고 판단정성적 분석 (IOPE-BV): 가치 사슬(Value Chain) 분석, BCG 매트릭스 등을 통해 전략적 일치성과 비재..

프로젝트 관리 핵심 정리 — PMBOK 7판·ISO 21500·PMO·테일러링

프로젝트 관리 핵심 정리 — 기술사 시험 대비 (PMBOK 7판·ISO 21500·PMO·테일러링)정보관리기술사·컴퓨터시스템응용기술사 대비, 프로젝트 관리(Project Management) 영역의 핵심을 정리했습니다. PMBOK 7판의 등장으로 '가치(Value) 중심'으로 전환된 패러다임을 이해하는 것이 이 구간의 핵심입니다. 주요 개념과 기술사적 제언, 암기 두음 표까지 담았습니다.1. 프로젝트 관리 핵심 요약① 프로젝트의 정의와 ISO 21500프로젝트의 특징: 유일성, 일시성, 점진적 상세화, 명확한 목표 달성을 특징으로 하며, 자원을 투입해 비즈니스 가치를 창출하는 활동ISO 21500: PMBOK 프로세스를 기반으로 수립된 국제 표준으로, 5대 프로세스 그룹(착계이감종)과 지식 영역의 가이드..

정보관리기술사 인공지능 예상 문제 TOP 10 — 2026년 출제 대비 (Agentic AI·GraphRAG·AI 기본법)

정보관리기술사 인공지능 예상 문제 TOP 10 — 2026년 출제 대비 (Agentic AI·GraphRAG·AI 기본법)최근 정보관리기술사 출제 경향은 개념을 넘어 실무적 도구 사용(Agentic AI), 기업 지식과의 결합(RAG), 법적 규제·윤리(AI 기본법)에 집중되고 있습니다. 2026년 시험 대비, 출제 가능성이 높은 인공지능 핵심 예상 문제 10선을 정리했습니다.1. 에이전틱 AI(Agentic AI)와 자율형 에이전트문제: LLM이 스스로 목표를 설정하고 도구를 선택해 과업을 수행하는 '에이전틱 AI'의 핵심 아키텍처와 주요 구성 요소를 설명하시오.핵심 키워드: PATMR (Plan, Act, Tool, Memory, Reflection), MCP (Model Context Protoco..

2026년 정보관리기술사 인공지능 예상 문제 20선 — 출제 포인트와 두음 정리

2026년 정보관리기술사 인공지능 예상 문제 20선 — 출제 포인트와 두음 정리정보관리기술사·컴퓨터시스템응용기술사를 준비하는 입장에서, 현재 IT 시장 흐름과 2026년 예상 기술 트렌드를 반영해 출제 가능성이 높은 20개 핵심 토픽을 엄선했습니다. 단순 개념 암기를 넘어 상호 비교(Comparison)와 실무 적용(Implementation) 관점의 출제 가능성이 높은 주제들입니다.2026년 대비 인공지능 핵심 예상 문제 20선순위도메인핵심 토픽주요 키워드 및 두음출제 포인트1LLMTransformer & Attention포인피-마인피-리소 / QKVLLM의 근간 아키텍처 및 병렬 연산 원리2활용RAG (검색 증강 생성)임청인 (임베딩-청킹-인덱싱)할루시네이션 해결 및 외부 지식 결합 방안3운영MLOp..

정보관리기술사 인공지능 Final Review — 7개 영역 두음 마스터표

정보관리기술사 AI 토픽 마스터 두음 정리 — 143개 핵심 키워드 인출용 총정리그동안 정리한 방대한 인공지능 토픽을 기술사 시험 대비용으로 체계화한 마스터 두음표입니다. 각 토픽의 핵심을 관통하는 두음(Mnemonic)과 키워드를 그룹별로 묶었습니다. 시험 직전 마지막 회독(Final Review)의 키워드 인출용으로 활용하세요.1. 인공지능 및 기계학습 기초 (Fundamentals & Principles)그룹토픽두음핵심 키워드학습 원칙모델링 절차수탐전모평배수집, 탐색(EDA), 전처리, 모델링, 평가, 배포학습 원칙기계학습 원리균오양균등(가정최소화), 오캄의 면도날, 양보(Trade-off)학습 원칙학습 패러다임지비준강지도, 비지도, 준지도, 강화학습모델 최적화하이퍼파라미터 튜닝매그랜베매뉴얼, 그리..

온톨로지·머신 언러닝·AI 보안 정리 — 지식그래프·SISA·AI 수명주기·프롬프트 인젝션

온톨로지·머신 언러닝·AI 보안 정리 — 기술사 시험 대비 (지식그래프·SISA·AI 수명주기·프롬프트 인젝션)인공지능이 단순 알고리즘을 넘어 지식 체계(Ontology)로 진화하고, 이를 안전하게 운영하기 위한 보안·거버넌스, 데이터 권리를 보장하는 머신 언러닝까지 아우르는 '신뢰할 수 있는 AI'의 완성형 패러다임입니다. 지식의 구조화와 위협 대응 시나리오를 중심으로 정리했습니다.1. 인공지능 지식 체계 및 신기술 (Ontology & Memory)온톨로지(Ontology) 및 지식 그래프AI가 데이터 간 관계를 단순 통계가 아닌 '의미'로 이해하게 하는 기술입니다.구성: RDF(주어-술어-목적어), Triple Store, Reasoner(추론기)Semantic Search: 질의 확장(Query ..

AI-BOM·고영향 AI 안전성·경량화·차세대 반도체 정리 — RBI·양자화·LoRA·PIM

AI-BOM·고영향 AI 안전성·경량화·차세대 반도체 정리 — 기술사 시험 대비 (RBI·양자화·LoRA·PIM)AI 공급망 투명성(AI-BOM), 네트워크 보안(RBI), 법적 준거성(AI 기본법 안전성 확보), 성능 최적화와 하드웨어까지 인공지능의 'End-to-End' 생태계를 관통하는 핵심 토픽입니다. 기술사 시험 고득점을 위해 기술 메커니즘을 구조화해 정리했습니다.1. AI 공급망 투명성 및 보안 (AI-BOM & RBI)AI 모델이 '블랙박스'에서 벗어나 투명한 관리 체계로 진입하고, 외부 위협으로부터 실행 환경을 격리하는 기술입니다.AI-BOM (AI Bill of Materials)개념: AI 모델의 학습 데이터, 알고리즘, 라이브러리, 성능 지표 등을 기록한 자재 명세서주요 구성 요소 (..

Data-Centric AI·VLM·DiT·LangGraph 정리 — 기술사 시험 대비 (멀티모달·RAG 2.0·데이터 어노테이션)인공지능의 패러다임 변화(Data-Centric AI)부터 최신 아키텍처(VLM·DiT), 이를 실현하는 운영·데이터 가공 기술(LangGraph·어노테이션)까지 포괄했습니다. 기술사 시험의 핵심인 '차별화된 아키텍처 해석'과 '실무적 가이드라인' 중심으로 정리하고 제언과 두음 표를 더했습니다.1. AI 패러다임 및 모델 아키텍처의 진화알고리즘 고도화를 넘어 데이터 품질과 멀티모달 융합에 집중하는 단계입니다.Data-Centric AI vs Model-Centric AIModel-Centric: 고정된 데이터셋에서 알고리즘과 파라미터를 튜닝해 성능을 높이는 방식Data-Cen..