2026년 10월 23일 | Security Advisory | CVE 분석 2026년 10월 21일, 웹 애플리케이션 개발과 서버 운영에 널리 사용되는 PHP와 Node.js에서 원격 코드 실행(Remote Code Execution, RCE)으로 이어질 수 있는 고위험 보안 취약점이 공개되었습니다. 이번에 주목할 취약점은 총 3건입니다.CVE-2026-109618 — PHP 메모리 부족(OOM) 처리 과정의 메모리 손상CVE-2026-109619 — PHP의 이전 요청 상태 관리 오류CVE-2026-111497 — Node.js에 포함된 Google Brotli 디코더의 경계 외 메모리 쓰기세 취약점 모두 공격 조건이 충족되면 인증되지 않은 외부 공격자가 서버의 정상적인 동작을 방해하거나 임의의 코..

1편 게시글 URL: https://wolf-sheep.tistory.com/316 ARTEX란? 국내 금융권 해킹에 등장한 AI 공격 도구와 실제 확인된 사실1편 게시글 URL: https://wolf-sheep.tistory.com/315 ZTA란? ARTEX 해킹 사례로 알아보는 제로 트러스트(Zero Trust) 보안의 중요성[IT 보안 시리즈 1편] Zero Trust Architecture 최근 국내 금융권을 대상으로 한 사이버wolf-sheep.tistory.com 2편 게시글 URL: https://wolf-sheep.tistory.com/315 ZTA란? ARTEX 해킹 사례로 알아보는 제로 트러스트(Zero Trust) 보안의 중요성[IT 보안 시리즈 1편] Zero Trust Arch..

1편 게시글 URL: https://wolf-sheep.tistory.com/315 ZTA란? ARTEX 해킹 사례로 알아보는 제로 트러스트(Zero Trust) 보안의 중요성[IT 보안 시리즈 1편] Zero Trust Architecture 최근 국내 금융권을 대상으로 한 사이버 공격에서 ARTEX라는 AI 기반 침투 테스트 도구가 활용된 정황이 확인되면서, 인공지능이 사이버 공격에 미치는 영향wolf-sheep.tistory.com [IT 보안 시리즈 2편] AI 기반 사이버 공격과 ARTEX 분석 최근 국내 금융권을 대상으로 발생한 해킹 사건에서ARTEX라는 이름의 AI 기반 침투 테스트 도구가 등장했습니다. 2026년 10월 7일, 글로벌 보안 기업 CrowdStrike는 국내 금융기관을 겨냥..

[IT 보안 시리즈 1편] Zero Trust Architecture 최근 국내 금융권을 대상으로 한 사이버 공격에서 ARTEX라는 AI 기반 침투 테스트 도구가 활용된 정황이 확인되면서, 인공지능이 사이버 공격에 미치는 영향이 다시 주목받고 있습니다. 2026년 10월 7일 CrowdStrike가 공개한 보고서에서는 공격자가 ARTEX와 대규모 언어 모델(LLM)을 활용해 국내 금융기관을 공격한 활동이 분석되었습니다. https://www.crowdstrike.com/ko-kr/ CrowdStrike: AI 기반 사이버 보안으로 보안 사고를 방지합니다Falcon 플랫폼의 강점을 최첨단 AI 혁신으로 전환 CrowdStrike Cyber Superintelligence Lab은 AI 연구원, 공격 보안..

0. 들어가기 전, 한 장 요약 서버를 운영하다 보면 Hyper-V, 가상머신(VM), 클러스터, CSV, 쿼럼(Quorum)이라는 용어를 자주 만나게 됩니다. 각각은 어떤 의미이며, 왜 함께 사용되는 걸까요? 이번 글에서는 Hyper-V의 탄생 배경부터 내부 아키텍처, 가상머신의 디스크·네트워크 처리 방식, 그리고 여러 서버를 묶어 고가용성을 구현하는 방법까지 차근차근 살펴보겠습니다. 핵심 요약: Hyper-V는 한 대의 물리 서버에서 여러 운영체제를 독립적으로 실행하게 해주는 Microsoft의 가상화 기술입니다.여기에 Windows Failover Clustering을 결합하면, 호스트 장애 시 다른 서버에서 가상머신을 다시 실행하는 고가용성 구성을 만들 수 있습니다. 1. 가상화가 등장하기 전..

깨끗해진 데이터에서 의미를 찾아보자 지난 글에서는 우리가 사용하던 CSV 데이터를 직접 정리했습니다.처음에는 이런 문제가 있었습니다.결측치중복 데이터문자열 표기 불일치자료형 문제그리고 정제가 끝난 뒤 데이터는 다시 80명의 학습자 데이터가 되었습니다.하지만 여기서 한 가지 질문이 생깁니다.데이터를 깨끗하게 만들었으면 이제 무엇을 해야 할까? 데이터를 정리하는 것 자체가 목적은 아닙니다.우리가 정말 알고 싶은 것은 데이터 안에 들어 있는 정보입니다. 예를 들면 이런 질문입니다.어떤 과정을 듣는 학생이 가장 많을까?평균적으로 일주일에 몇 시간 공부할까?공부를 가장 많이 하는 학생은 누구일까?합격한 학생은 불합격한 학생보다 정말 공부를 많이 했을까?과정별 학습 시간에는 차이가 있을까? 이번 글에서는 Pan..

더러운 데이터를 함부로 지우지 마세요 이번 글도 이전 글에서 사용한 ai_learning_dataset.csv를 계속 사용합니다. 지금까지 우리는 하나의 CSV 파일을 꽤 많이 살펴봤습니다.먼저 데이터를 불러왔고,import pandas as pddf = pd.read_csv("ai_learning_dataset.csv") 데이터의 전체적인 구조를 확인했습니다.df.head()df.shapedf.info()그리고 원하는 데이터만 골라내는 방법도 배웠습니다.df["study_hours"]df.loc[ df["attendance_rate"] >= 90, ["student_id", "study_hours", "passed"]] 그런데 #36 Pandas CSV 불러오기 에서 이미 이상한 점 몇 가..

82개의 데이터에서 원하는 것만 골라내기 이번 글도 이전 글에서 사용한 ai_learning_dataset.csv를 계속 사용합니다. 지난 글에서는 CSV 파일을 Pandas로 불러오고 데이터의 상태를 확인했습니다.import pandas as pddf = pd.read_csv("ai_learning_dataset.csv")df.head()df.shapedf.columnsdf.dtypesdf.info() 그 결과 우리가 사용하는 데이터에는82개의 Row9개의 Column 이 있다는 것을 확인했습니다. 그리고 일부 Column에는 결측치가 있다는 사실도 발견했습니다.하지만 아직 데이터를 수정하지는 않았습니다.이번에는 다른 문제를 해결해보겠습니다.82개의 Row와 9개의 Column이 있다고 해서 항상 전..