암호화 메시지 앱 Signal의 엔지니어인 목시 말린스파이크(Moxie Marlinspike)가 사용자 데이터 보호를 위해 설계된 오픈 소스 AI 비서인 Confer라는 새로운 프로젝트를 통해 인공 지능 분야로 관심을 돌리고 있습니다. Confer는 사용자 데이터가 플랫폼 운영자, 해커, 법 집행 기관 또는 계정 소유자 이외의 당사자에게 읽을 수 없도록 보장하는 것을 목표로 합니다.
대규모 언어 모델(LLM) 및 백엔드 구성 요소를 포함한 이 서비스는 완전히 오픈 소스 소프트웨어에서 작동하므로 사용자는 암호화 방식으로 무결성을 확인할 수 있습니다. 사용자가 생성한 데이터 및 대화와 LLM의 응답은 신뢰할 수 있는 실행 환경(TEE) 내에서 암호화됩니다. 이 암호화는 서버 관리자조차도 데이터에 액세스하거나 데이터를 변조할 수 없도록 합니다. Confer는 대화를 동일한 암호화된 형태로 저장하며, 키는 사용자 장치에 안전하게 보관됩니다.
Confer의 기본 메커니즘은 Signal의 아키텍처와 유사하게 우아함과 단순성을 위해 설계되었습니다. Signal은 강력한 암호화를 접근 가능하고 사용자 친화적으로 만들어 최종 사용자 개인 정보 보호 도구에 대한 새로운 표준을 확립했습니다. 말린스파이크의 Confer 목표는 데이터 개인 정보 보호 및 보안에 대한 우려가 커지고 있는 AI 영역에서 이러한 성공을 재현하는 것입니다.
Confer의 개발은 AI 챗봇이 일상 생활에 점점 더 많이 통합되고 있는 시기에 이루어졌습니다. 이러한 AI 시스템은 종종 방대한 양의 사용자 데이터를 수집하고 처리하여 잠재적인 오용 또는 무단 액세스에 대한 우려를 제기합니다. TEE 내의 암호화는 중요한 데이터 처리를 위해 격리되고 안전한 환경을 만드는 보안 조치입니다. 이를 통해 주 시스템이 손상되더라도 TEE 내의 데이터는 보호됩니다.
Confer 접근 방식의 의미는 개인 정보 보호를 넘어 확장됩니다. AI 시스템이 사용자 데이터에 액세스하거나 오용할 수 없도록 함으로써 Confer는 AI 기술에 대한 더 큰 신뢰를 조성하고 더 광범위한 채택을 장려할 수 있습니다. 이는 데이터 개인 정보 보호가 가장 중요한 의료, 금융 및 법률 서비스와 같은 민감한 영역에서 특히 중요합니다.
Confer의 현재 상태는 개발 중이며, 말린스파이크와 그의 팀은 시스템을 개선하고 기능을 확장하기 위해 노력하고 있습니다. 이 프로젝트의 오픈 소스 특성 덕분에 커뮤니티 기여와 보안 주장에 대한 독립적인 검증이 가능합니다. 향후 개발에는 다른 애플리케이션 및 서비스와의 통합은 물론 AI 모델 자체에 대한 개선이 포함될 수 있습니다.
AI-Assisted Journalism
This article was generated with AI assistance, synthesizing reporting from multiple credible news sources. Our editorial team reviews AI-generated content for accuracy.
AI 심층 분석
관련 기사 더보기
100달러 미만의 가격으로 판매되는 Atonemo의 Streamplayer는 AirPlay 2 및 Chromecast와 같은 최신 스트리밍 기능을 구형 스피커에 추가하여 기존 오디오 시스템을 오늘날의 연결된 생태계에 통합할 수 있는 비용 효율적인 방법을 제공하는 소형 장치입니다. 이러한 혁신은 AI 및 스트리밍 기술이 Hi-Fi 산업을 어떻게 재편하고 있는지 보여주며, 기존 오디오 장비의 품질을 희생하지 않고도 편리함을 제공합니다. 단, 사용자는 추가 케이블이 필요할 수 있습니다.
Board는 24인치 터치스크린 태블릿과 실물 게임 조각을 결합하여 대면 사회적 상호 작용을 촉진하는 새로운 테이블탑 게임 방식을 제시합니다. 다양한 출시 타이틀과 구독료가 없다는 점은 매력적이지만, 700달러라는 높은 가격과 제한적인 게임 가용성은 장기적인 가치와 진화하는 디지털 및 물리적 엔터테인먼트 환경에 미치는 잠재적 영향에 대한 의문을 제기합니다.
Urevo의 SpaceWalk 5L 워킹 패드는 TV 시청이나 스탠딩 데스크 작업과 같은 앉아서 하는 활동에 움직임을 통합할 수 있는 접근성 높은 방법을 제공하여 저강도 운동을 통해 신체적 건강을 증진합니다. 최대 300파운드까지 지탱하고 시속 4마일까지 속도를 낼 수 있는 이 소형 장치는 몰입형 가상 하이킹 경험을 제공하며, 앉아있는 생활 방식을 퇴치하기 위해 설계된 AI 기반 피트니스 솔루션의 증가 추세를 강조합니다.
마이크로소프트는 데이터 센터의 에너지 소비에 대한 지역 사회의 우려를 적극적으로 해결하기 위해 해당 시설에 대한 더 높은 전기 요금을 제안하고 지역 이해 관계자들과 협력하고 있습니다. 이러한 움직임은 AI 인프라의 사회적 영향에 대한 인식이 높아지고 있으며, 특히 에너지 비용 및 자원 관리와 관련하여 기술 기업이 책임감 있는 이웃이 되어야 할 필요성을 반영합니다.
나트륨 이온 배터리는 리튬 이온 기술의 유망한 대안으로 떠오르고 있으며, 쉽게 구할 수 있는 나트륨을 사용하여 에너지를 저장하여 전기 자동차와 그리드 저장에 혁명을 일으킬 잠재력이 있습니다. 최근 Consumer Electronics Show (CES)에서는 중국 기술 기업들의 성장하는 낙관론과 혁신이 강조되었으며, 그들의 발전상을 보여주고 미래 기술을 형성하는 데 있어 중국의 역할을 확고히 했습니다.
파라마운트가 워너 브라더스 디스커버리(WBD)의 스트리밍 및 영화 사업을 넷플릭스에 매각하는 827억 달러 규모의 거래에 이의를 제기하는 소송을 제기하며, WBD에 대한 1,084억 달러 규모의 적대적 인수 제안을 확대했습니다. 파라마운트의 소송은 넷플릭스 거래에 대한 WBD의 가치 평가와 파라마운트의 주당 30달러 전액 현금 제안(넷플릭스의 주당 27.72달러 제안 초과) 거부에 대한 투명성을 요구합니다. 이번 법적 조치는 주주들이 주식을 양도해야 하는 1월 21일 마감일 전에 WBD 주주들을 설득하는 것을 목표로 합니다.
앤트로픽은 클로드 Max 구독자를 위한 AI 에이전트인 Cowork를 출시했습니다. 이를 통해 비전문가 사용자도 코딩 없이 파일을 직접 처리하여 경비 보고서 생성과 같은 작업을 자동화할 수 있습니다. 이는 앤트로픽이 AI 기반 생산성 분야에서 마이크로소프트의 Copilot과 경쟁할 수 있게 하며, 단순한 코드 생성 및 창작 글쓰기를 넘어 주류 사용자를 위한 실용적인 AI 애플리케이션으로의 전환을 보여줍니다.
최근 UC 버클리 졸업생이 설립한 스타트업인 GRU Space가 샌프란시스코 미술 궁전에서 영감을 받은 달 호텔 예약 접수를 시작했으며, 향후 6년 이내의 숙박을 위해 25만 달러에서 100만 달러의 보증금을 요구하고 있다고 여러 뉴스 매체가 보도했습니다. 소규모 회사임에도 불구하고, 이 야심찬 프로젝트는 달 관광의 장기적인 잠재력을 활용하는 것을 목표로 하며, 창립자는 더 많은 사람들이 우주에 접근할 수 있도록 노력하겠다고 밝혔습니다.
Anthropic은 Claude 데스크톱 앱 내 사용자 친화적인 기능인 Cowork를 출시하여 Claude Code의 기능을 소프트웨어 개발을 넘어 일반 사무 업무로 확장했습니다. 사용자는 Claude에게 로컬 폴더에 대한 접근 권한을 부여함으로써 AI를 활용하여 경비 보고서 작성 및 파일 정리와 같은 작업을 자동화할 수 있으며, 이는 광범위한 지식 근로자의 생산성을 향상시킬 잠재력이 있습니다.
엔비디아의 루빈 플랫폼은 랙 규모 암호화를 도입하여, AI 모델 침해의 증가하는 위협에 대처하고 모든 핵심 구성 요소에 걸쳐 기밀 컴퓨팅을 제공함으로써 AI 보안의 주요 발전을 이루었습니다. 이러한 암호화 검증은 보안 제어를 기업으로 전환하며, AI 학습 비용의 증가와 귀중한 AI 모델을 표적으로 하는 사이버 공격의 정교함 증가를 고려할 때 매우 중요합니다.
Signal의 개발자인 Moxie Marlinspike는 종단 간 암호화 및 검증 가능한 오픈 소스 소프트웨어를 통해 사용자 데이터 개인 정보 보호를 우선시하는 오픈 소스 AI 어시스턴트인 Confer를 개발하고 있습니다. 이 이니셔티브는 AI 상호 작용이 무단 액세스로부터 보호되는 새로운 표준을 확립하여 개인 메시징에 대한 Signal의 영향력을 반영하고 AI 데이터 보안에 대한 증가하는 우려를 해결하는 것을 목표로 합니다.
의미 기반 캐싱은 정확한 문구보다는 쿼리의 의미에 초점을 맞춰 의미상 유사한 질문에 대한 응답을 식별하고 재사용함으로써 LLM API 비용을 획기적으로 줄일 수 있습니다. 한 회사는 의미 기반 캐싱을 구현하여 LLM API 비용을 73% 절감했으며, 이는 기존의 정확히 일치하는 캐싱 방식이 사용자 언어의 미묘한 차이를 처리하는 데 비효율적임을 강조합니다. 이 접근 방식은 LLM 사용 및 비용 효율성을 최적화하는 데 있어 상당한 발전을 의미합니다.
Discussion
대화에 참여하세요
첫 댓글을 남겨보세요