RSS 클라우드 블로그 - TheNote.app

RSS 클라우드 블로그
팔로우

cloud.google.com/blog은 Google Cloud의 공식 블로그입니다. Google Cloud의 제품 및 서비스에 대한 뉴스, 업데이트 및 통찰, 클라우드 컴퓨팅 산업의 트렌드 및 혁신을 제공합니다. 이 블로그는 Google Cloud 전문가, 엔지니어 및 사상가들이 작성한 기사로 구성되어 있습니다. 인공 지능, 머신 러닝, 데이터 분석, 보안 등 다양한 주제를 다루고 있습니다. 기사들은 기술 튜토리얼, 케이스 스터디 및 베스트 프랙티스도 포함하여 Google Cloud를 사용하거나 관심이 있는 개발자, IT 전문가 및 비즈니스 리더에게 귀중한 자원이 됩니다. 블로그는 주제, 제품 및 산업별로 분류되어 있습니다. 방문객은 최신 기사를 브라우징하거나 특정 주제를 검색하거나 블로그의 RSS 피드를 구독하여 최신 뉴스 및 업데이트를 최신 상태로 유지할 수 있습니다. 블로그의 주요 기능 중 일부는 다음과 같습니다. - Google Cloud 제품 및 서비스에 대한 심층 기사, 예를 들어 Google Cloud Platform, Google Cloud Storage 및 Google Cloud AI Platform - Google Cloud 서비스 사용에 대한 기술 튜토리얼 및 가이드 - Google Cloud 고객의 케이스 스터디 및 성공 사례 - 산업 트렌드 및 혁신에 대한 통찰 및 분석 - Google Cloud의 파트너쉽 및 협력에 대한 뉴스 및 업데이트 - Google Cloud 전문가 및 사상가와의 인터뷰 전반적으로 Google Cloud 블로그는 클라우드 컴퓨팅, 인공 지능 및 관련 기술에 관심이 있는 모든 사람에게 귀중한 자원이 됩니다.

Cloud Blog cloud.google.com

RSS cloudblog.withgoogle.com

RSS Hunter • 2024년 8월 23일

노트 스레드

BigQuery에서 IAM 데이터 거버넌스 태그를 사용하여 컬럼 수준 보안 강화하기

BigQuery 고객들은 이전에는 민감한 데이터의 열 수준 보안을 위해 정책 태그에 의존했습니다. 그러나 데이터 생태계의 복잡성이 진화함에 따라 더욱 강력한 솔루션이 필요하게 되었습니다. Google Cloud는 이제 IAM의 Resource Manager 인프라를 기반으로 구축된 BigQuery의 데이터 거버넌스 태그를 도입합니다. 이러한 태그는 액세스 제어를 관리하고 열 데이터를 보호하는 확장 가능하고 강력한 방법을 제공합니다. 데이터 거버넌스 태그는 지역 정책 태그와 달리 전역 범위를 가지므로 조직 전체에 적용할 수 있습니다. 또한 보안 정책이 보조 지역으로 자동 복제되는 관리형 재해 복구를 지원합니다. 주요 기능은 계층적 보안으로, 최대 5단계의 세분화된 데이터 분류를 가능하게 합니다. 이 분리된 거버넌스 접근 방식은 액세스 적용 전에 데이터 태깅을 허용하여 유연성을 제공합니다. 열 수준 보안을 구현하려면 먼저 목적을 DATA_GOVERNANCE로 지정하여 데이터 거버넌스 태그 키와 값을 생성해야 합니다. 다음으로 JSON 스키마 업데이트 또는 SQL 문을 통해 BigQuery 열에 태그를 연결합니다. 마지막으로 이러한 태그가 지정된 열에 대한 액세스를 제어하기 위해 지역 데이터 정책을 생성하여 원시 데이터 또는 마스킹된 버전을 표시합니다. 이 계층적 보안은 적절한 기본 테이블 액세스 권한이 있는 승인된 사용자만 민감한 정보를 볼 수 있도록 보장합니다.

Level Up Your Column-level Security: Using IAM Data Governance Tags in BigQuery cloud.google.com

RSS Hunter • 7월 17일

Gemini Enterprise Agent Platform을 구축하기 위한 13가지 실습 데모

Google은 Gemini Enterprise Agent Platform의 기능을 보여주는 13개의 데모를 공개했습니다. 이 플랫폼은 AI 에이전트를 구축, 확장, 관리 및 최적화할 수 있도록 지원합니다. 개발자는 선호하는 코딩 에이전트에 Agents CLI를 설치하여 ADK 및 Agent Platform에 대한 즉각적인 전문성을 부여할 수 있습니다. 원하는 에이전트를 일반 영어로 설명함으로써 개발자는 코딩 에이전트가 편집기에서 직접 이러한 에이전트를 스캐폴딩, 평가, 배포 및 모니터링하도록 할 수 있습니다.데모는 코드 우선 ADK를 사용하여 대화형 에이전트 및 휴먼 인 더 루프 워크플로우가 포함된 이벤트 기반 승인 에이전트를 포함한 기본 에이전트를 구축하는 것부터 시작하여 다양한 측면을 다룹니다. 또한 Model Context Protocol을 통해 에이전트를 데이터 소스에 연결하고 Agent-to-UI를 사용하여 동적이고 시각적인 사용자 인터페이스를 만드는 것을 시연합니다. 확장 기능에는 상태 저장 데이터 과학 에이전트를 Agent Runtime에 배포하고 일시 중지 및 재개할 수 있는 장기 실행 에이전트를 구축하는 것이 포함됩니다. 거버넌스 기능은 안전한 코딩 관행을 통해 에이전트 수명 주기를 보호하고 Agent Gateway로 에이전트 액세스를 제어하는 데 중점을 둡니다. 마지막으로 최적화 데모는 평가 플라이휠을 통해 에이전트 품질을 향상시키고 크로스 언어 멀티 에이전트 파이프라인을 구축하는 데 중점을 둡니다. 이 플랫폼은 CrewAI 및 LangGraph와 같은 다양한 에이전트 프레임워크 간의 오케스트레이션을 지원합니다. 개발자는 이러한 데모를 탐색하거나 Agents CLI를 설치하여 자체 에이전트 구축을 시작하도록 권장됩니다.

13 hands-on demos to build on Gemini Enterprise Agent Platform cloud.google.com

RSS Hunter • 7월 17일

AI 토크노믹스 가이드: 토큰 효율적인 소프트웨어 엔지니어링을 위한 열한 가지 원칙

AI 코딩 어시스턴트의 빠르고 정확한 성능 유지를 위해서는 토큰 소비 최적화가 중요합니다. 토큰을 효과적으로 관리하면 컨텍스트 과부하를 방지하여 지연 시간 증가, 지시 사항 망각, 환각 현상을 줄일 수 있습니다. 구조화된 습관을 구현하면 생산적인 피드백 루프를 보장할 수 있습니다. 균형 잡힌 모델로 시작하고 필요할 때만 확장하며, 처음부터 재사용 가능한 스킬을 활용하여 프롬프트를 간결하게 유지합니다. 스크립트와 CLI 도구를 사용하여 반복적인 작업을 자동화하고, 계산 집약적인 작업은 하위 에이전트에 위임합니다. 복잡한 프로젝트는 계획을 위해 고차원 추론 세션을 사용하고 실행을 위해 저토큰 세션을 사용하여 분할합니다. 테스트를 조기에 자동화하고 값비싼 검사는 나중 단계로 예약하여 검증을 왼쪽으로 이동시킵니다. 수정 프롬프트를 계속 추가하기보다는 에이전트가 벗어나는 것을 수정하기 위해 실행 취소 기능을 사용합니다. 에이전트에게 정확한 수정 위치를 지정하여 컨텍스트를 구체적으로 지정합니다. AGENTS.md 또는 스킬 파일을 업데이트하여 규칙을 반복적으로 수정하는 대신 반복합니다. 폴링 대신 엄격한 제한을 설정하고 이벤트 기반 웨이크업을 사용하여 제어되지 않는 루프를 피합니다. 마지막으로, AI가 필요한 컨텍스트만 갖도록 별도의 주제에 대해 새 세션을 시작합니다.

Guide to AI Tokenomics: Eleven Principles for Token Efficient Software Engineering cloud.google.com

RSS Hunter • 7월 17일

Google은 2026 Gartner® Magic Quadrant™ for Conversational AI Platforms에서 비전 부문에서 가장 멀리, 실행 부문에서 가장 높게 위치한 리더입니다.

가트너에 따르면 구글은 2년 연속 대화형 AI 플랫폼 분야에서 리더십을 유지하고 있습니다. 구글은 비전과 실행 모두에서 최고 수준의 인정을 받았으며, 현재 세 가지 핵심 사용 사례에서 1위를 차지했습니다. 이러한 성공은 AI 연구, 엔터프라이즈 인프라에 대한 구글의 지속적인 투자와 고객이 AI 배포를 효과적으로 확장할 수 있도록 지원하는 데 기인합니다. 이번 인정은 또한 고객 경험을 위한 Gemini Enterprise를 활용하는 조직들의 성과를 강조합니다.고객 경험의 미래는 복잡한 요청을 이해하고, 엔터프라이즈 지식을 바탕으로 추론하며, 기본적인 챗봇을 넘어 비즈니스 시스템 전반에 걸쳐 작동할 수 있는 AI 에이전트를 포함합니다. 기업은 고급 모델과 함께 보안, 거버넌스, 글로벌 확장성을 제공하는 강력한 AI 플랫폼을 필요로 합니다. 고객 경험을 위한 Gemini Enterprise는 이러한 기능을 제공하여 음성 및 디지털 채널 전반에 걸쳐 마찰 없는 연결된 고객 여정을 가능하게 합니다. 이러한 통합은 수익 증대, 충성도 향상, 운영 비용 절감을 목표로 합니다.CX Agent Studio는 고객 경험을 위한 Gemini Enterprise의 핵심으로, 지능형 고객 경험 에이전트 생성을 촉진합니다. 기술적 복잡성을 추상화하여 기업이 더 빠르게 구축하고 상당한 비즈니스 가치를 얻을 수 있도록 합니다. 조직은 음성 및 채팅을 위한 멀티모달 AI 에이전트를 개발하고, 인간 상담원을 지원하며, 대화를 분석하고, 사전 구축된 산업별 에이전트를 배포할 수 있습니다. 예를 들어, Home Depot은 이러한 도구를 사용하여 고객 문제를 훨씬 빠르게 해결하고 있습니다.고객 경험을 위한 Gemini Enterprise는 Gemini 모델과 Google Cloud의 인프라를 포함한 구글의 AI 최적화 스택으로 구동됩니다. 이 통합 시스템은 AI 에이전트의 성능, 보안 및 비용 효율성을 보장합니다. 이 플랫폼은 구글의 AI 기능 및 하드웨어 효율성 발전을 자동으로 활용합니다. 앞으로 구글은 조직이 선제적이고 개인화되며 지속적으로 개선되는 AI 에이전트를 구축하도록 지원하는 것을 목표로 합니다.

Google is a Leader and positioned furthest in Vision and highest in Execution in the 2026 Gartner® Magic Quadrant™ for Conversational AI Platforms cloud.google.com

RSS Hunter • 7월 16일

10개의 자율 영화 제작팀이 우리에게 알려준 에이전트 팀워크에 대한 교훈

Google은 AI 에이전트 팀이 협력하여 단편 영화를 제작하는 해커톤을 개최했습니다. 각 팀은 세 명의 에이전트로 구성되었습니다. 스크립팅 및 시각 스타일을 담당하는 아이디어 담당자, 생성 미디어 도구를 담당하는 기술 리드, 페이싱 및 편집을 담당하는 편집자였습니다. 네 번째 감독 에이전트인 팀 코치는 직접적인 창의적 개입 없이 게이트 체크포인트를 감독했습니다. 파일럿 및 경쟁 라운드에 걸쳐 25개 이상의 작품이 생성되었으며, 약 44분 분량의 영화가 완성되었습니다. 에이전트는 이미지 생성을 위한 Gemini, 비디오 및 오디오를 위한 Veo, 음악을 위한 Lyria를 포함한 다양한 Google AI 모델을 활용했습니다. 이 에이전트들은 Scion, 오픈 소스 에이전트 오케스트레이션 테스트베드 내에서 운영되며 통신 및 파일 공유를 관리했습니다. 이 과정은 각 단계에서 기술적 규정 준수를 보장하기 위한 검증 게이트가 있는 7단계 영화 제작 파이프라인을 포함했습니다. 에이전트는 메시지를 통한 것보다 공유 파일을 통해 협업하는 것이 더 효과적이라는 것을 학습했으며, 특정 프롬프트는 더 독특한 영화 결과물을 도출했습니다. 해커톤은 AI 에이전트가 창의적인 미디어를 제작하기 위해 협력할 수 있음을 보여주었지만, 고유한 창발적 행동과 과제도 있었습니다. 인간 피드백은 에이전트와 사용자 정의 도구 모두에 대한 지속적인 개선 루프에 통합되었습니다. 이 실험은 복잡한 프로젝트에 대한 검사 및 게이트를 갖춘 에이전트 협업에 대한 통찰력을 제공했습니다.

What 10 autonomous film crews taught us about agent teamwork cloud.google.com

RSS Hunter • 7월 16일

클라우드 CISO 관점: AI가 심층적인 맥락을 방어자의 이점으로 활용하는 방법

Google Cloud의 COO인 Francis deSouza는 AI가 단순히 공격자의 도구가 아니라 방어자의 이점으로서의 역할을 강조합니다. 공격자들은 AI를 활용하여 AI로 구축된 제로데이 공격과 빠른 공격 단계 전환으로 입증된 것처럼 더 빠르고 정교한 공격을 감행하고 있습니다. 그러나 방어자들은 공격자들의 제한적인 외부 시야와 비교하여 네트워크의 완전한 내부 상태를 이해하는 깊은 맥락을 통해 결정적인 이점을 가지고 있습니다. Google AI Threat Defense는 파편화된 엔터프라이즈 데이터를 통합된 자율 방어 시스템으로 통합합니다. Gemini, Wiz, CodeMender, Mandiant를 결합한 이 플랫폼은 준비, 스캔, 복구, 모니터링의 네 단계 프레임워크로 운영됩니다. Wiz는 취약점을 매핑하고, Gemini는 위험을 분석하며, CodeMender는 코드 수정을 자동 생성하고, AI 에이전트는 위협을 모니터링합니다. Morgan Stanley는 이 통합된 접근 방식을 채택함으로써 위협 탐지 시간을 크게 단축했습니다. AI는 기계 속도의 방어를 제공하지만, 자율 에이전트를 관리하기 위해서는 전략적인 인간의 감독이 여전히 필수적입니다. AI 인프라를 보호하려면 처음부터 기본적으로 안전하고, AI 네이티브이며, 에이전트 주도적인 접근 방식이 필요합니다. 이 기반은 외부 위협과 섀도우 AI와 같은 내부 위험 모두에 대응하는 데 중요하며, AI에 대한 제로 트러스트 원칙을 강화합니다.

Cloud CISO Perspectives: How AI leverages deep context as the defender’s advantage cloud.google.com

RSS Hunter • 7월 16일

기초 모델 업그레이드 가속화에 대한 세 가지 교훈

새로운 AI 모델로의 업그레이드는 엔지니어링 팀에 상당한 도전 과제를 안겨주며, 종종 수개월에 걸친 수동 테스트와 평가가 필요합니다. AI 개발의 빠른 속도와 잦은 주요 모델 진화는 이 문제를 더욱 악화시키고 있습니다. 구글 클라우드의 응용 머신러닝 팀은 모델 업그레이드 시간을 몇 달에서 몇 시간으로 대폭 단축하는 에이전트틱 워크플로우를 개발했습니다. 이 접근법은 기초 모델 업그레이드를 가속화하는 데 도움이 되는 세 가지 핵심 교훈을 제공하는 블로그 게시물에서 자세히 설명되어 있습니다.첫 번째 수업은 실제 마이그레이션 문제를 이해하고 신속한 최적화 요구를 파악하기 위해 제품 팀과 긴밀히 협력하는 실무 탐색의 중요성을 강조합니다. 두 번째 교훈은 전통적인 자동화가 다양한 데이터 형식과 독특한 예외 사례에 어려움을 겪는 경직성을 경고합니다. 세 번째 교훈은 특정 프로젝트 요구사항에 적응하는 유연한 에이전트 아키텍처로 전환한 성공을 강조합니다.파트너 팀은 이 에이전트 프레임워크를 활용해 비디오 번역 및 더빙 서비스를 기초 모델로 성공적으로 이전했습니다. 데이터셋과 기준 프롬프트를 제공함으로써 시스템은 자율적으로 프롬프트 품질을 향상시켜 맞춤형 모델의 필요성을 없앴습니다. 이 과정은 특정 복잡한 작업에 대해 미세 조정보다 신속한 엔지니어링의 힘을 입증했습니다.유사한 마이그레이션 워크플로우를 구현하기 위해 팀은 Gemini Enterprise Agent Platform과 Google Antigravity를 활용할 수 있습니다. 주요 단계는 수동 검토 대신 자동 품질 평가자(Autoraters) 배포, 에이전트 개발 키트를 이용한 에이전트 루프 구축, Antigravity를 이용한 오케스트레이션 자동화 등이 포함됩니다. 수동 엔지니어링에서 지능형 자동화로의 전환은 기술 부채를 줄이고 조직이 AI 발전에 발맞추는 데 도움을 줍니다. 이 협력 작업에는 구글 전반에 걸쳐 수많은 기여자들이 참여했습니다.

Three lessons in accelerating foundation model upgrades cloud.google.com

RSS Hunter • 7월 16일

BigQuery와 %%bqsql 매직을 이용한 SQL과 Python 간의 격차 해소

데이터 과학자와 엔지니어는 종종 워크플로우에서 SQL과 Python을 통합하는 데 어려움을 겪습니다. 과거에는 두 환경 간의 번거로운 데이터 전송이 필요했습니다. Google Cloud는 Colab Enterprise에 SQL 셀을 도입하고 이제 이를 오픈 소스 생태계로 확장하여 %%bqsql IPython 셀 매직을 제공함으로써 이러한 문제를 해결했습니다. 이를 통해 단일 노트북에서 SQL 및 Python 코드를 원활하게 연결할 수 있습니다. 이 프로세스는 Jupyter, pandas, BigFrames와 같은 오픈 소스 패키지와 BigQuery 샌드박스를 사용하여 무료로 따를 수 있습니다. 설정에는 BigQuery 샌드박스를 활성화하고 로컬 Python 환경을 구성하거나 Colab을 사용하는 것이 포함됩니다. USDA 밀 데이터와 같은 로컬 데이터는 pandas DataFrame으로 로드하여 SQL 처리를 위해 준비할 수 있습니다. %%bqsql 매직을 사용하면 BigQuery가 로컬 pandas DataFrame을 임시 테이블로 취급하여 직접 쿼리할 수 있습니다. 진정한 힘은 작업 연결에 있습니다. SQL 쿼리 결과는 후속 Python 사용 또는 추가 SQL 변환을 위해 BigFrames DataFrame으로 저장할 수 있습니다. 이 하이브리드 파이프라인은 최적의 도구 선택을 허용하여 SQL의 대규모 데이터 처리를 Python의 시각화 및 모델링과 분리합니다. 복잡한 쿼리를 논리적 단계로 분해하여 코드 가독성을 향상시키고, 이 솔루션은 로컬 데이터에서 대규모 BigQuery 테이블로 원활하게 확장됩니다. %%bqsql 외에도 BigFrames는 다른 통합 기능을 제공하며, 결제 계정을 연결하면 BQML과 같은 고급 기능을 사용할 수 있습니다. 이 하이브리드 경험에 대한 피드백은 이메일 또는 저장소에 이슈를 제출하여 BigFrames 팀과 공유할 수 있습니다.

Bridging the gap between SQL and Python with BigQuery and the %%bqsql magic cloud.google.com

RSS Hunter • 7월 16일

AI 취약점 해부: AI 기반 취약점 관리를 위한 청사진

패치가 제공되기 전에도 발생하는 취약점의 빠른 악용은 보안 팀에게 새로운 접근 방식을 요구합니다. 개발 파이프라인에 대규모 언어 모델(LLM) 에이전트를 통합하면 자동화된 취약점 발견 및 복구가 가능합니다. 그러나 권한이 있는 AI 에이전트를 배포하려면 새로운 아키텍처 위험을 피하기 위해 성숙한 통합 프로세스가 필요합니다. Mandiant Consulting은 AI 지원 취약점 관리를 위한 운영 가드레일을 구축하는 데 대한 지침을 제공합니다. 조직은 NIST AI Risk Management Framework 및 LLM용 OWASP Top 10과 같은 프레임워크를 채택해야 합니다. 기존 결정론적 제어를 AI 실행 환경으로 확장하는 것은 안전한 구현을 위해 중요합니다. 여기에는 합성 데이터 및 심층 방어 모델을 사용한 사전 에이전트 데이터 보안과 엄격한 워크로드 격리가 포함됩니다. AI 에이전트의 레드 팀 테스트 및 인간 컨트롤러를 사용한 최소 권한 기계 신원 사용은 중요한 보증 조치입니다. AI 기술의 공급망 복원력과 강력한 독성 흐름 분석은 새로운 공격 벡터를 방지하는 데 필요합니다. 인간 주도의 위협 모델링은 비즈니스 위험 및 아키텍처 설계 결함에 대한 추론에 여전히 중요합니다. AI 에이전트는 엔터프라이즈 취약점 관리 및 제품 보안을 지원할 수 있지만, 기본 보안도 해결해야 합니다. 정규화된 데이터 및 위협 인텔리전스로 정보화된 위험 기반 취약점 관리는 복구 노력의 우선순위를 정하는 데 필수적입니다.

Demystifying AI Exploits: A Blueprint for AI-Assisted Vulnerability Management cloud.google.com

RSS Hunter • 7월 16일

엔터프라이즈 규모 AI 보안: Google Kubernetes Engine 청사진

인공지능 배포가 기존 보안 조치를 앞지르고 있어 강력한 플랫폼 보안의 필요성이 대두되고 있습니다. 독점적인 모델 가중치 보호, 프롬프트 주입과 같은 새로운 위협에 대한 방어, AI 개발을 저해하지 않으면서 규정 준수를 보장하는 것이 주요 과제입니다. Google Kubernetes Engine(GKE)은 Google Cloud 서비스와 GKE 기능을 통합한 AI 워크로드 보안 청사진을 통해 솔루션을 제공합니다. 이 청사진은 AI 스택의 세 가지 중요한 계층에 걸쳐 보안을 다룹니다. 인프라 계층은 하드웨어 증명된 기밀성을 위한 Confidential GKE 노드와 Workload Identity Federation 및 VPC Service Controls를 통한 제로 트러스트 네트워킹으로 안전한 클러스터 기준선을 보장합니다. 모델 보안은 모델, 데이터셋 및 프레임워크에 대한 가시성을 위해 k8s-aibom을 사용하여 출처 및 동작 무결성에 중점을 둡니다. 애플리케이션 보안은 프롬프트와 응답에서 위협을 검사하기 위해 Model Armor를 사용하여 추론 경로를 방어합니다. GKE Inference Gateway를 통한 세션 관리는 할당량을 시행하고 남용을 탐지합니다. 에이전트 격리는 GKE Sandbox를 통해 달성되며, 컨테이너 탈출을 방지하고 예측할 수 없는 에이전트 동작으로부터 노드를 보호합니다. 배포부터 운영 및 거버넌스까지 보안에 대한 단계적 접근 방식이 권장됩니다. 이 포괄적인 전략은 AI 배포가 기본적으로 안전하고 확장 가능하도록 보장합니다. 이러한 모범 사례를 따르면 AI 배포가 보안을 손상시키는 것을 방지할 수 있습니다.

Securing AI at Enterprise Scale: The Google Kubernetes Engine Blueprint cloud.google.com

RSS Hunter • 7월 16일

IDC: 에이전트 AI의 기반이 되는 올바른 네트워킹 접근 방식

기업들은 AI 파일럿을 가속화하고 있지만, 주로 네트워킹 인프라의 한계로 인해 프로덕션으로 전환하는 데 어려움을 겪고 있습니다. IDC의 설문 조사에 따르면 보안 문제, 자동화의 어려움, 직원 재능 제한이 중요한 장애물입니다. 분산되고 동적인 상호 작용을 특징으로 하는 에이전트 AI는 운영 범위와 보안 취약점을 확장함으로써 이러한 문제를 악화시킵니다. 네트워킹은 연결성, 보안 및 일관된 거버넌스를 제공함으로써 이러한 에이전트 상호 작용을 가능하게 하는 데 중요한 역할을 합니다. 이는 정책 기반 제어를 적용하고 다양한 환경에서 관찰 가능성을 지원하는 제어 평면 역할을 합니다. 네트워킹에 대한 인프라 수준 접근 방식은 일관된 정책 구현과 파편화된 가시성 및 관리되지 않는 에이전트 활동을 방지하는 데 필수적입니다. AI 워크로드를 위한 최상의 솔루션과 통합 플랫폼 간의 선택은 전략적 고려 사항입니다. 최상의 솔루션은 특정 기능을 제공하지만 정책 불일치와 운영 복잡성을 초래할 수 있습니다. 플랫폼을 선호하는 설문 응답자들은 더 강력한 보안, 복잡성 감소, 더 빠른 배포를 주요 이점으로 언급했습니다. 확장 가능한 플랫폼과 모듈성을 결합하여 최상의 기능을 통합하는 균형 잡힌 접근 방식이 권장됩니다. 이를 통해 동적인 에이전트 AI 시스템을 관리하는 데 유연성, 개방성 및 적응성을 확보할 수 있습니다. 궁극적으로 에이전트 AI를 대규모로 운영하려면 응집력 있는 보안 및 거버넌스 프레임워크를 보장하는 강력한 네트워킹 플랫폼이 필요합니다.

IDC: Why the right networking approach is foundational to agentic AI cloud.google.com

RSS Hunter • 7월 15일

AlloyDB AI로 PostgreSQL 다국어 전문 검색 제한 사항 해결 방법

AlloyDB는 SQL 쿼리를 통해 텍스트, 벡터, 키워드 검색을 결합한 하이브리드 기능을 갖춘 엔터프라이즈 검색을 강화합니다. 중요한 발전은 중국어 및 일본어와 같은 표의 문자에 대한 지원으로, 이들 언어는 전통적으로 데이터베이스에서 공백 기반 토큰화에 어려움을 겪습니다. 표준 PostgreSQL 파서는 이러한 언어를 올바르게 분할하지 못하고 전체 문장을 단일 단위로 취급합니다. 타사 확장 프로그램이나 외부 사전 처리 파이프라인과 같은 전통적인 해결책은 한계와 운영 복잡성을 제시합니다. AlloyDB AI Functions는 이제 데이터베이스 내에서 Gemini 모델을 직접 통합하여 지능형 텍스트 파싱을 가능하게 합니다. 이를 통해 데이터 이동을 제거하고 관리를 단순화하며 대규모 언어 모델의 지능을 활용하여 정확한 단어 분할을 수행합니다. 이 솔루션은 원시 콘텐츠, 분할된 텍스트, 검색 벡터 및 벡터 임베딩을 저장하기 위한 테이블을 생성하는 것을 포함합니다. 배열 집계를 사용하는 인-데이터베이스 저장 프로시저를 이용한 배치 처리는 메모리 부족이나 과도한 잠금 없이 대규모 데이터셋을 효과적으로 처리합니다. PostgreSQL에서 'simple' 또는 'english' 텍스트 검색 구성 중에서 선택하는 것은 데이터셋의 언어 구성에 따라 달라집니다. 검색 쿼리도 정확한 일치를 보장하기 위해 동일한 AI 분할 논리를 사용하여 사전 처리해야 합니다. 검색 벡터에 RUM 인덱스를 구현하면 관련성 계산 및 쿼리 성능이 더욱 최적화됩니다. 이러한 네이티브 통합은 이전의 한계를 극복하고 표의 문자 언어에서 매우 정확한 전문 검색을 가능하게 합니다.

How to solve PostgreSQL multilingual full-text search limitations with AlloyDB AI cloud.google.com

RSS Hunter • 7월 15일

BigQuery를 사용하여 Gemini Enterprise 앱 사용량을 대규모로 분석하고 관리하는 방법

Gemini Enterprise를 배포하면 AI 도구를 통해 상당한 생산성 향상을 얻을 수 있지만, 대규모 채택을 관리하는 것은 관리상의 어려움을 안겨줍니다. Google Cloud는 기본적인 채택 지표를 위한 즉시 사용 가능한 대시보드를 제공합니다. 그러나 에이전트 AI의 영향을 더 깊이 이해하기 위해 조직은 보다 세분화되고 맥락에 맞는 관점이 필요합니다. 여기서 Google BigQuery는 AI 채택에 대한 심층 분석 및 거버넌스에 필수적입니다.Gemini Enterprise와 BigQuery를 결합하면 효율적인 관리 팀이 배포를 효과적으로 분석하고 관리할 수 있습니다. 이를 통해 사용자 행동에 대한 상세한 프로파일링, 로그와 비즈니스 데이터를 연결하여 조직 가치를 정량화하고, 데이터 유출을 방지하기 위한 정확한 규정 준수 감사를 수행할 수 있습니다. 또한 보안 차단의 정확한 트리거를 파악하여 안전 경고에 대한 즉각적인 조사를 용이하게 합니다.텔레메트리는 사용자 프롬프트, 모델 응답, 사용자 활동, 관리 작업 및 데이터 액세스와 같은 다양한 데이터를 캡처하는 다섯 개의 별도 BigQuery 테이블로 구성됩니다. Cloud Logging Log Router Sinks와 비동기 배치 내보내기 API를 활용하는 자동화된 수집 파이프라인은 BigQuery로의 데이터 흐름을 간소화합니다. 이 파이프라인은 복잡한 사용자 정의 개발 없이 상세한 대화 로그와 집계 지표를 모두 캡처합니다.관리자는 BigQuery의 AI 기반 도구(예: Conversational Analytics)를 활용하여 복잡한 쿼리를 단순화하고 즉각적인 인사이트를 얻을 수 있습니다. 이러한 도구는 SQL을 자동으로 생성하고, 스키마 문서를 제공하며, 관련 메타데이터를 표시하여 텔레메트리 분석을 더욱 직관적으로 만듭니다. BigQuery의 기능은 감성 분석 또는 예측과 같은 고급 머신러닝 작업을 실행하는 데까지 확장됩니다.Data Studio를 BigQuery에 연결하면 원시 로그 데이터를 경영진을 위한 대화형 대시보드로 변환할 수 있습니다. 이러한 대시보드는 사용자 채택, ROI, 데이터 기반 트래픽 및 콘텐츠 안전을 추적할 수 있습니다. Data Studio를 통해 BigQuery Conversational Analytics 에이전트를 공유하면 비즈니스 사용자가 데이터를 직접 탐색할 수 있습니다. 이 설정을 구현하려면 로깅을 활성화하고, 로그 싱크를 구성하고, BigQuery의 분석 및 시각화 도구를 활용해야 합니다.

How to Analyze and Govern Gemini Enterprise App Usage at Scale with BigQuery cloud.google.com

RSS Hunter • 7월 15일

노출된 클라우드 함수의 위험과 강화 방법

Mandiant 보안 평가에서 공개적으로 노출된 서버리스 애플리케이션이 인증 누락으로 인해 종종 특정 비즈니스 요구 사항으로 인해 발견되었습니다. 서버리스 배포는 일반적으로 타사 패키지를 통합하는 사용자 정의 개발 코드를 실행하므로 광범위한 애플리케이션 수준 공격의 대상이 됩니다. 이러한 취약점을 성공적으로 악용하면 공격자는 기본 컨테이너 인스턴스에 대한 완전한 제어권을 얻을 수 있으며, 이는 피해자의 클라우드 환경을 완전히 침해하기 위한 발판 역할을 할 수 있습니다. Function-as-a-Service로도 알려진 서버리스 애플리케이션은 유연하고 분리되며 이벤트 기반 클라우드 아키텍처 내에서 개별 코드 블록을 마이크로서비스로 배포할 수 있도록 합니다. 생성형 AI 채택의 급속한 확장은 서버리스 아키텍처 사용 증가를 주도하고 있으며, 이는 기업 보안 팀에게 서버리스 환경 보안을 시급한 과제로 만들고 있습니다. 공개적으로 노출된 서버리스 워크로드는 위협 행위자에게 초기 액세스 지점으로 작용할 수 있으며, 이들은 코드, 가져온 패키지 또는 기본 런타임 환경의 취약점을 악용할 수 있습니다. 공격자는 애플리케이션 코드 내에 직접 저장된 비밀 정보를 추출하고, 애플리케이션 로직 및 민감한 데이터를 검토하며, 메타데이터 서버에서 서비스 계정 베어러 토큰을 유출할 수 있습니다. 서버리스 환경을 보호하기 위해 Mandiant는 보안 소프트웨어 개발 수명 주기, 보상 런타임 제어, 공개 서비스 분리, 사용자 정의 서비스 계정 사용, Layer 7 애플리케이션 로드 밸런서 아키텍처 구현과 같은 심층 방어 조치를 포함한 병렬 접근 방식을 구현할 것을 권장합니다. 또한 조직은 Cloud Armor와 같은 웹 애플리케이션 방화벽을 사용하여 악성 트래픽을 필터링하고 일반적인 로컬 파일 포함 공격을 차단해야 합니다. 이러한 권장 사항을 따르면 조직은 서버리스 환경을 효과적으로 강화하고 공격을 방지할 수 있습니다.

The Risk of Exposed Cloud Functions and How to Harden cloud.google.com

RSS Hunter • 7월 15일

Google, 2026년 IDC MarketScape Worldwide Foundation Model Software에서 리더로 선정

Google은 프로덕션 환경에서 안정성, 보안, 예측 가능성을 우선시하며 엔터프라이즈 니즈에 대한 오랜 집중을 유지해 왔습니다. 이러한 기반을 통해 최첨단 연구를 비즈니스에 영향력 있는 프로덕션 등급 시스템으로 전환할 수 있습니다. IDC MarketScape 평가에서의 리더십은 AI에 대한 이러한 통합 접근 방식을 검증합니다. Google DeepMind의 연구는 이제 강력한 인프라와 파운데이션 모델을 원활하게 통합하는 프로덕션 준비 비즈니스 제품으로 전환되고 있습니다.Gemini Enterprise는 단순한 응답을 넘어 복잡한 워크플로우를 위한 동적 에이전트로 나아가는 에이전트 시대의 통합 시스템으로 제시됩니다. 개발자 기능과 사용자 대면 도구를 단일 아키텍처로 결합합니다. Gemini Enterprise 앱은 비즈니스 팀이 AI와 상호 작용할 수 있도록 하고, Agent Platform은 개발자가 이러한 에이전트를 구축, 확장 및 관리할 수 있도록 합니다. 플랫폼에서 구축된 에이전트는 앱에서 즉시 제공되어 직원에게 안전하고 맞춤화된 도구를 제공할 수 있습니다. 엄격한 거버넌스와 엔터프라이즈 보안은 근본적이며, 조직이 결과에 집중할 수 있도록 합니다.이 시스템은 복잡한 다단계 작업을 위해 특별히 설계된 Gemini 모델로 구동됩니다. Gemini 3.5 시리즈와 함께 출시된 Gemini 3.5 Flash는 장기 에이전트 작업에 뛰어나며 효율적인 학습을 위해 목적에 맞게 구축된 AI 인프라를 기반으로 합니다. 개발자는 Agent Platform, Google AI Studio 및 Antigravity에서 Gemini 3.5 Flash를 활용할 수 있습니다. 비즈니스 사용자는 오늘날 Gemini Enterprise 앱을 통해 워크플로우 내에서 Google AI를 발견하고 사용하는 데 필요한 기능을 액세스할 수 있습니다.

Google named a Leader in the 2026 IDC MarketScape for Worldwide Foundation Model Software cloud.google.com

RSS Hunter • 7월 14일

Claude at scale on Google Cloud: Frontier AI, built for enterprise production

Claude와 같은 프론티어 AI를 프로덕션 환경에서 운영하는 것은 가속기의 신중한 관리와 전 세계 지역에 걸친 일관된 지연 시간을 요구하는 복잡한 작업입니다. Google Cloud의 Claude는 Anthropic의 고급 AI 모델을 Google의 강력한 인프라와 통합하여 솔루션을 제공합니다. 이 파트너십은 Claude의 추론 능력과 Google Cloud의 관리형 서비스, 전 세계적인 도달 범위, 규정 준수 기능을 활용합니다. 이 통합은 Claude 사용을 다른 Google Cloud 서비스와 운영상 동일하게 만들어 개발을 단순화하고 인프라 관리 오버헤드를 줄입니다.이 플랫폼은 관리형 인프라를 제공하여 엔지니어가 컴퓨팅 프로비저닝, 자동 확장 및 로드 밸런싱을 위한 클러스터를 관리하는 대신 기능 구축에 집중할 수 있도록 합니다. Claude는 Agent Platform의 Model Garden을 통해 Model-as-a-Service로 제공되며 표준 REST API를 통해 액세스할 수 있습니다. 이 접근 방식은 기존 Google Cloud 보안 및 관찰 가능성 도구와 일관된 운영 경험을 보장합니다. 전 세계 사용자 기반에 대한 낮은 지연 시간과 높은 가동 시간을 유지하기 위해 글로벌 엔드포인트가 제공됩니다. 지역 엔드포인트는 특정 지역에 대한 데이터 상주 및 낮은 지연 시간을 보장하며, 멀티 리전 엔드포인트는 단일 지역 종속성 없이 데이터 주권을 제공합니다.Google Cloud의 Claude는 FedRAMP High 및 HIPAA 규정 준수를 포함한 Google Cloud의 포괄적인 보안 태세를 상속받아 규제 산업에서의 배포를 가능하게 합니다. VPC Service Controls는 보안 경계를 생성하고 IAM 기반 액세스 제어는 별도의 API 키 필요성을 제거하면서 엔드포인트 액세스를 관리합니다. 사용량, 오류 및 지연 시간에 대한 가시성은 Cloud Logging 및 Cloud Monitoring을 통해 제공됩니다. 이 서비스는 프롬프트 캐싱 및 스트리밍 응답과 같은 Claude의 기본 기능을 통합하여 대규모 환경에서 비용과 성능을 최적화합니다.Google Cloud의 서빙 인프라는 대규모 오프라인 워크로드를 위한 배치 예측 및 보장된 성능을 위한 프로비저닝된 처리량과 같은 기능으로 Claude의 기능을 보완합니다. 이 플랫폼은 또한 긴 컨텍스트 요청에 대한 메모리 관리 및 스케줄링을 처리합니다. 이 통합된 접근 방식은 팀이 모델 및 인프라 수준 모두에서 최적화할 수 있도록 합니다. 또한 동일한 인프라가 Agent Platform의 에이전트 계층을 지원하여 Claude가 다단계 작업을 조정하고 Agent2Agent 프로토콜을 통해 다른 에이전트에 위임할 수 있도록 합니다. 이를 통해 Google Cloud 생태계 내에서 강력하고 감사 가능하며 통합된 AI 에이전트를 생성할 수 있습니다.

Claude at scale on Google Cloud: Frontier AI, built for enterprise production cloud.google.com

RSS Hunter • 7월 14일

GKE에서 AI 공급망 보안: 자동화된 AI BOM을 위한 k8s-aibom 소개

섀도우 AI는 관리되지 않는 워크로드가 기존 보안을 우회하면서 문제를 야기합니다. 조직은 개발 속도를 유지하기 위해 엄격한 개발자 통제를 종종 피합니다. 이를 해결하기 위해 k8s-aibom이 경량의 비권한 Kubernetes 컨트롤러로 오픈 소스화되고 있습니다. 이는 클러스터를 지속적으로 모니터링하여 AI 런타임을 자동으로 감지하고 ML-BOM을 생성합니다. 이는 개발자 마찰이나 클러스터 불안정 없이 자동화된 런타임 기반 가시성을 제공합니다. k8s-aibom은 스크래핑, AI 스택 식별, BOM 생성 및 내보내기 단계를 통해 AI 워크로드를 발견합니다. 기존 구성이나 CI/CD 파이프라인에 대한 개발자 수정이 필요하지 않습니다. 이 도구는 선언된, 추론된, 해결되지 않은 AI 자산을 구분하여 감사 신뢰도를 높입니다. 데이터 불변성을 보장하고 최소 권한을 사용하여 감사 등급 보안 모델을 구현합니다. k8s-aibom은 EU AI Act 및 NIST AI RMF와 같은 글로벌 규제 프레임워크에 런타임 데이터를 매핑하는 데 도움이 됩니다.

Securing the AI supply chain on GKE: Introducing k8s-aibom for automated AI BOMs cloud.google.com

RSS Hunter • 7월 13일

Android, Google Cloud, Nexus SDV를 활용한 AI 정의 차량 구축

자동차 산업은 AI 네이티브 생태계 내의 지능형 연결 노드인 소프트웨어 정의 차량(SDV)으로 전환하고 있습니다. Google의 Android Automotive OS(AAOS) SDV는 핵심 기능을 재사용 가능한 서비스로 추상화하여 모듈식 아키텍처를 위한 기반 차량 내 플랫폼을 제공합니다. 이러한 디커플링을 통해 차량이 주차된 상태에서도 서비스를 독립적으로 실행할 수 있어 지속적인 텔레메트리 액세스가 가능합니다. AAOS SDV 플랫폼은 클라우드 기반 디지털 트윈과 서비스 검색을 통해 개발을 가속화합니다. Valtech의 Nexus SDV 플랫폼은 AAOS SDV를 활용하여 차량 리소스를 관리하고 고주파 텔레메트리 데이터를 스트리밍합니다.Google Cloud, 특히 Bigtable은 방대한 자동차 및 제조 텔레메트리 데이터셋의 데이터 백본 역할을 합니다. Bigtable은 높은 수집률과 빠른 지연 시간을 처리하며, 통합된 구조 내에서 다양한 센서 데이터를 지원합니다. AI 네이티브 차량, 즉 AIDV는 자율 설계 및 사전 예방적 조치를 위해 모든 아키텍처 수준에 AI를 내장합니다. 이 접근 방식은 레거시 시스템에서 흔히 발생하는 데이터 사일로를 축소하여 통합된 맥락적 이해를 제공합니다. Google Cloud를 기반으로 구축된 Nexus SDV는 AAOS SDV와 통합되어 OEM이 고유한 브랜드 경험을 만들 수 있도록 표준화된 데이터 기반을 제공합니다.Nexus SDV 플랫폼은 Gemini Enterprise Agent Platform 및 BigQuery와 같은 구성 요소를 활용하며, "Defense-in-Depth" 모델을 통해 보안이 통합됩니다. 주요 사용 사례는 예측 유지보수로, Nexus SDV, Bigtable 및 AI 모델이 반응형 유지보수를 사전 예방적 서비스로 전환합니다. 텔레메트리 스트림을 모니터링함으로써 AI는 마모의 초기 징후를 감지하고 운전자에게 알리거나 부품을 주문하는 등의 자동화된 조치를 트리거할 수 있습니다. 이 AI 네이티브 Nexus SDV 플랫폼은 현재 모빌리티 요구에 대한 정교하고 엔드투엔드 연결 차량 생태계를 제공합니다.

Building the AI-defined vehicle with Android, Google Cloud, and Nexus SDV cloud.google.com

RSS Hunter • 7월 13일

2026년 공공 부문 M-Trends 보고서 및 그 이후의 주요 결과

공공 부문은 더 이상 전통적인 경계를 방어하는 것이 아니라, 기계 속도로 활동하는 적들에 맞서 상호 연결된 복잡한 신뢰 관계망을 방어하고 있습니다. 2026년 공공 부문 위협 환경 보고서는 2025년 Mandiant가 수행한 50만 시간 이상의 최전선 사고 조사에서 얻은 주요 결과를 강조합니다. 한 가지 우려스러운 추세는 초기 접근 브로커와 랜섬웨어 운영자 간의 22초간의 인수인계로, 이는 전통적인 분류 방법을 쓸모없게 만듭니다. 적들은 신뢰의 새로운 경계를 악용하고 있으며, 여기에는 국가 지원 행위자들이 수년간 탐지되지 않는 지속성 역설과 공격자들이 가상화 관리 평면을 노리는 가상화 스택이 포함됩니다. 이 보고서는 또한 단일 침해가 기관 네트워크 전반에 걸쳐 연쇄 반응을 일으킬 수 있는 SaaS 도미노 효과와 정부 헬프 데스크를 표적으로 삼는 보이스 피싱 공격인 비싱 급증도 언급합니다. 이러한 위협에 맞서기 위해서는 신뢰가 절대 가정되지 않고 지속적으로 재검증되어야 하는 지속적인 검증으로의 문화적 전환이 필요합니다. Google은 세 가지 핵심 역량을 통해 지속적인 검증을 지원하는 기술 아키텍처를 제공합니다. 바로 새로운 경계로서의 신원, 에이전트 기반 방어, 강화된 인프라입니다. 이 회사의 보안 기술은 Pasco Sheriff's Office 및 코네티컷 주와 같은 다양한 공공 부문 기관에 성공적으로 구현되었습니다. 이 기관들은 수동 분류에서 에이전트 기반 방어로 전환하여 효율성과 지역 사회 안전을 개선했습니다. 2026년 공공 부문 위협 환경 보고서와 Gemini for Government 웨비나와 같은 관련 자료는 공공 부문 리더들이 미래를 안전하게 확보할 수 있도록 전략적 권장 사항과 통찰력을 제공합니다.

Key findings from the 2026 Public Sector M-Trends report and beyond cloud.google.com

RSS Hunter • 7월 13일

영국 금융 부문 복원력에 대한 중요 제3자로서의 기여

Google Cloud는 금융 생태계 내에서 운영 복원력에 대한 의지를 강조합니다. 중요한 발전은 영국 재무부가 Google Cloud EMEA를 영국 금융 부문에 대한 중요 제3자(CTP)로 지정했다는 것입니다. 이 지정은 Google Cloud 서비스를 사용하는 영국 기업의 규모와 중요성을 반영합니다. CTP로서 Google Cloud EMEA는 영국 금융 규제 기관인 영란은행, 건전성감독청(PRA), 금융행위감독청(FCA)의 직접적인 감독을 받게 됩니다. Google Cloud는 규제 기관의 부문 전반에 걸친 운영 복원력 구축 목표를 지원하며, 더 깊은 협력을 기대합니다. 이 회사는 이러한 규제 기관과의 건설적인 협력을 지속하여 영국 금융 부문에 실질적인 이익을 가져올 것으로 기대합니다. 또한 Google Cloud는 고객이 영국의 운영 복원력, 아웃소싱 및 제3자 위험 관리 요구 사항을 충족하도록 지원하기 위해 최선을 다하고 있습니다. 이들은 고객이 이러한 규정을 준수하도록 안내하기 위한 백서 및 매핑과 같은 리소스를 제공합니다. CTP 제도는 기존 요구 사항을 대체하는 것이 아니라 보완합니다. Google Cloud는 투명성과 확신을 가지고 영국 금융 규제 기관과 협력하기를 기대합니다. 이들의 핵심 목표는 디지털 전환을 위한 가장 안전하고 확장 가능하며 복원력 있는 플랫폼이 되는 것입니다.

Contributing to U.K. financial sector resilience as a critical third party cloud.google.com

RSS Hunter • 7월 10일

Frontier and Center: 누가 평가를 평가하는가?

AI 에이전트는 일반적으로 고정된 벤치마크를 사용하여 평가되며, 이는 단일 점수를 산출하여 에이전트의 능력에 대한 통찰력을 제한적으로 제공합니다. 이 접근 방식은 에이전트의 성능이 저하되는 지점이나 성공이 얼마나 쉬웠는지를 드러내지 못하기 때문에 불충분합니다. 데이터 에이전트의 경우, 이러한 미묘한 차이를 이해하는 것은 효과적인 데이터 검색에 매우 중요합니다. 데이터 검색은 에이전트가 모호한 인간의 쿼리에서 관련 데이터셋을 식별해야 하는 "건초 더미 속 바늘 찾기" 문제입니다.이를 해결하기 위해 Discovery Bench라는 정보 이론 기반 접근 방식이 제안되었으며, 이는 벤치마크에 충실도를 더하는 것을 목표로 합니다. 이 프레임워크는 각 쿼리의 쉽고 어려운 변형을 생성하여 평가 사례의 난이도를 조절함으로써 에이전트 성능에 대한 더 자세한 이해를 가능하게 합니다. 난이도 조절의 핵심 개념은 "놀람도(surprisal)"이며, 이는 쿼리가 주어졌을 때 올바른 데이터셋에 대해 남아 있는 불확실성을 측정합니다. 쿼리의 정보성 있는 용어는 높은 놀람도를 가지며, 대상을 다른 것들과 날카롭게 구별합니다.다양한 정보력을 가진 용어를 추가하거나 제거함으로써 평가 사례의 난이도를 조정할 수 있습니다. 이 방법은 반복적 놀람도 기반 쿼리 개선(iSQR)이라고 하며, 주관적인 의견이 아닌 비트(bits)에 기반하여 보정된 모호성 수준(높음, 중간, 낮음)을 가진 쿼리를 생성합니다. 이를 통해 난이도를 보다 객관적으로 평가할 수 있으며, 특정 단어가 추가되거나 제거된 이유를 설명할 수 있습니다.Discovery Bench는 에이전트 성능에서 "절벽(cliffs)"을 드러냈습니다. 이는 모호성이 약간 증가하면 완전한 실패로 이어지는 현상으로, 전통적인 합격/불합격 평가에서는 놓치는 현상입니다. 또한 모호성에 대한 "스위트 스팟(sweet spot)"을 식별하여, 더 많은 구체성이 항상 에이전트 성능에 더 좋은 것은 아님을 보여줍니다. 이는 시간 분할 테이블이나 컨텍스트 폭발과 같은 특정 실패 모드를 해결하는 것과 같이 에이전트 개선을 위한 실행 가능한 신호를 제공합니다.이 분야는 메타 벤치마킹으로 나아가고 있으며, 다른 연구에서는 항목 반응 이론을 탐구하고 정답을 직접 감사하고 있습니다. Discovery Bench 구현에서 중요한 발견은 기존 벤치마크인 KramaBench-astronomy에서 상당한 오류를 발견한 것입니다. 이는 "평가를 평가하라(evaluate your evals)"는 중요한 필요성을 강조하며, 결함 있는 벤치마크는 에이전트 성능에 대한 잘못된 결론으로 이어집니다.더욱이 모호성 스윕을 생성하는 방법 자체도 평가가 필요합니다. LLM 생성 스티어링 용어와 TF-IDF 놀람도 기반 용어를 비교했을 때 결과가 극명하게 달랐으며, 평가 방법 자체에 대한 강력한 평가의 필요성을 강조했습니다. 결론은 평가가 단순히 판결이 아닌 신호를 생성해야 하며, 평가자를 에이전트만큼이나 면밀히 조사하면서 지속적인 평가 축을 제공해야 한다는 것입니다.

Frontier and Center: Who evaluates the evaluations? cloud.google.com

RSS Hunter • 7월 10일

Cloud Run 샌드박스에서 AI 생성 코드를 안전하게 실행

Google Cloud가 공개 미리 보기로 제공되는 새로운 기능인 Cloud Run 샌드박스를 출시했습니다. 이 샌드박스는 AI 생성 스크립트와 같이 신뢰할 수 없는 코드를 실행하기 위한 안전하고 빠른 런타임 환경을 제공합니다. 이전에는 개발자들이 유사한 격리를 달성하기 위해 복잡한 인프라 또는 타사 솔루션에 의존했습니다. Cloud Run 샌드박스는 경량으로 설계되었으며 기존 Cloud Run 서비스 인스턴스 내에서 빠르게 생성될 수 있습니다. 주요 사용 사례에는 데이터 분석을 위한 LLM 코드 인터프리터, 웹 스크래핑을 위한 헤드리스 브라우저, 사용자 제출 코드의 안전한 실행이 포함됩니다. 샌드박스를 활성화하는 것은 서비스 배포 중에 플래그를 추가하는 것만큼 간단합니다. 활성화되면 샌드박스 CLI 바이너리가 마운트되어 애플리케이션이 프로그래밍 방식으로 샌드박스를 생성할 수 있습니다. 보안 아키텍처는 제로 트러스트 접근 방식을 강조하며 자격 증명과 환경을 격리합니다. 네트워크 나가는 트래픽은 기본적으로 거부되며, 파일 시스템 오버레이는 임시 쓰기 기능을 갖춘 읽기 전용입니다. Cloud Run 샌드박스는 Agent Development Kit 및 ComputeSDK와 통합되어 코드 실행을 단순화합니다. 이 기능은 기존 할당된 리소스에서 실행되며 사용자에게 추가 비용이 발생하지 않습니다.

Safely run AI-generated code in Cloud Run sandboxes cloud.google.com

RSS Hunter • 7월 9일

Google Cloud에서 누구나 사용할 수 있는 AlphaEvolve로 더 어려운 문제를 해결하세요.

최적화 문제는 어렵지만 AI를 통해 점점 더 관리하기 쉬워지고 있습니다. 기존 코딩은 최적의 알고리즘을 위한 방대한 탐색 공간에 어려움을 겪습니다. Gemini 기반의 코드 최적화 및 발견 에이전트인 AlphaEvolve는 솔루션을 체계적으로 탐색함으로써 이를 해결합니다. 이제 Gemini Enterprise Agent Platform에서 일반적으로 사용할 수 있습니다.배포 프로세스는 네 가지 단계로 구성됩니다. 기준 알고리즘과 컨텍스트로 문제를 정의하고; 정확성, 성능 및 제약 조건에 대한 점수 함수를 설정하여 측정하고; AlphaEvolve의 에이전트 하네스를 사용하여 코드를 생성하여 최적화하고; 최적화된 알고리즘을 프로덕션에 적용합니다.조직들은 이미 상당한 영향을 보고 있습니다. BASF는 공급망을 위한 디지털 트윈을 만들기 위해 AlphaEvolve를 사용하여 계획 및 예측을 80% 이상 개선했습니다. Coolblue는 전자 상거래 수요 예측을 최적화하여 WMAPE를 5% 줄였습니다. FM Logistic은 창고 라우팅을 10.4% 개선하여 직원 이동 거리를 15,000km 절약했습니다.Infineon은 칩 설계에 사용하고 있으며, JetBrains는 IDE 성능을 15-20% 가속했습니다. Kinaxis는 예측 정확도를 22% 이상 개선하고 런타임을 90% 줄였습니다. Klarna는 ML 학습 파이프라인 처리량을 두 배로 늘리고 모델 품질을 개선했습니다.Kuro Games는 서버 측 워크로드에서 상당한 성능 향상을 보였습니다. Oak Ridge National Laboratory는 Frontier 슈퍼컴퓨터에 AlphaEvolve를 배포하여 GPU 커널을 최적화했습니다. Old Dominion University는 이를 사용하여 생물학적 노화 사망률을 모델링하고, 알려진 모델을 재발견하고 다른 모델을 개선했습니다.PacBio는 DNA 시퀀싱 정확도를 30% 개선했습니다. Pebble은 GPU 성능 모델링 오류를 56% 줄였습니다. Qbraid는 AlphaEvolve를 사용하여 양자 컴퓨팅 인코딩을 개선했습니다.

Solve harder problems with AlphaEvolve, now available to everyone on Google Cloud cloud.google.com

RSS Hunter • 7월 9일

GKE 관리 DRANET를 이용한 오토파일럿 클러스터: GPU 및 TPU

이 블로그 게시물은 GPU 및 TPU를 지원하기 위해 관리형 DRANET을 사용하여 Google Kubernetes Engine(GKE) Autopilot 클러스터를 설정하는 과정을 자세히 설명합니다. GKE Autopilot은 노드, 확장 및 보안을 처리하여 Kubernetes 관리를 단순화하며, 관리형 DRANET은 TPU 및 RDMA 지원 GPU를 포함하여 Pod에 대한 네트워크 리소스를 요청할 수 있도록 합니다. 설정에는 Virtual Private Cloud(VPC) 생성, Autopilot 클러스터 배포, 사용자 지정 ComputeClasses 및 ResourceClaimTemplates 구성이 포함됩니다.진행하기 전에 지역, 클러스터 이름, 네트워크, 서브네트워크, 예약 URL 및 Hugging Face 토큰과 같은 필수 변수를 구성합니다. 먼저, 완전히 관리되는 환경을 제공하는 Autopilot 클러스터가 배포됩니다. 다음으로, 가속기 유형(GPU 또는 TPU)을 지정하고 리소스 할당을 위해 선택적으로 예약을 참조하는 사용자 지정 ComputeClass가 생성됩니다.이어서, RDMA 지원 GPU(deviceClassName: mrdma.google.com 사용)와 비-RDMA TPU(netdev.google.com 사용)를 구분하는 ResourceClaimTemplate가 설정됩니다. 마지막으로, 사용자 지정 ComputeClass와 ResourceClaimTemplate를 모두 참조하는 워크로드가 배포됩니다. 이 중요한 단계는 GKE Autopilot이 지정된 노드 유형을 프로비저닝하고 관리형 DRANET 네트워킹을 구성하도록 트리거합니다.그런 다음 리소스 클레임은 Pod를 프로비저닝된 노드의 가속기에 직접 바인딩하는 브리지 역할을 하여 워크로드에 대한 올바른 네트워킹 설정을 보장합니다. 이 포괄적인 프로세스는 GPU 및 TPU 배포 모두에 대해 균일하게 적용됩니다. 추가 탐색을 위한 추가 리소스가 제공됩니다.

Autopilot Clusters with GKE managed DRANET: GPUs and TPUs cloud.google.com

RSS Hunter • 7월 9일

C4N, 현재 GA: x86 워크로드를 위한 클라우드 최고 수준의 vCPU당 네트워크 및 블록 스토리지 I/O 제공

Google Cloud의 C4N 인스턴스는 까다로운 엔터프라이즈 애플리케이션에서 네트워크 및 블록 스토리지 성능 병목 현상을 해결하기 위해 설계된 새로운 서비스입니다. Google의 맞춤형 Titanium 오프로드 아키텍처를 기반으로 구축된 이 인스턴스는 네트워크 및 스토리지 작업을 전용 하드웨어로 오프로드합니다. C4N 인스턴스는 최대 400Gbps의 네트워크 대역폭과 초당 9,500만 패킷(MPPS)을 제공하여 유사한 Intel 기반 서비스에 비해 상당한 개선을 제공합니다. 이러한 성능은 가상 어플라이언스, 대규모 데이터 분석 및 AI/ML 워크로드와 같은 네트워크 집약적인 애플리케이션에 이상적입니다. Hyperdisk Extreme과 함께 사용하면 C4N은 Compute Engine의 최고 블록 스토리지 성능을 제공하며 최대 25GiB/s 및 100만 IOPS까지 확장됩니다. 이 인스턴스는 5세대 Intel Xeon Scalable 프로세서로 구동되며 예측 가능하고 높은 처리량의 I/O 성능을 제공합니다. C4N 인스턴스는 VM 간 및 VM과 인터넷 간 네트워크 대역폭과 패킷 처리를 개선합니다. 또한 추가 기능 없이 더 작은 VM 형태에 최적화된 I/O와 더 빠른 Google Cloud Storage 전송을 제공합니다. C4N 인스턴스는 Hyperdisk와 결합될 때 스토리지 성능, 지연 시간 및 처리량의 동적 조정을 가능하게 합니다. 초기 고객 채택은 다양한 데이터 집약적인 워크로드에 대한 C4N의 상당한 성능 향상 및 TCO 이점을 강조합니다.

C4N, now GA: Delivering cloud’s highest per vCPU network and block storage I/O for x86 workloads cloud.google.com

RSS Hunter • 7월 8일

Google Cloud 인증을 최신 상태로 유지하고 경력을 향상시키는 새로운 방법

Google Cloud 인증은 채용 담당자의 응답률, 승진, 급여를 높이는 데 가치가 있으며, 81%의 조직이 인증된 후보자를 더 신뢰합니다. 그러나 클라우드 기술의 빠른 변화는 기술의 수명을 단축시키므로 재인증이 중요합니다. Google Cloud는 새로운 기술 접근 방식을 통해 이 과정을 간소화하고 있습니다. 그들은 재인증을 위한 전통적이고 스트레스가 많으며 시간이 많이 소요되는 시험을 넘어서고 있습니다. 이제 Google Skills와 skill badge를 사용하여 Google Cloud 자격 증명을 갱신할 수 있습니다. Google Skills를 사용하면 역할 및 경력 목표와 관련된 과정과 배지를 선택할 수 있습니다. 업데이트된 과정을 수강하면 새로운 주제에 대한 지식을 새로 고칠 수 있습니다. 또는 skill badge는 실습 실험실을 통해 이미 직장에서 새로운 기술을 적용하고 있는 사람들에게 더 빠른 경로를 제공합니다. 이 업데이트된 재인증 프로세스는 Cloud Digital Leader, Associate Cloud Engineer, Professional Cloud Architect 및 Professional Data Engineer 인증에 사용할 수 있습니다. 인증이 활성 상태일 때 필요한 활동을 완료하면 자동으로 1년 연장됩니다. 이 접근 방식은 귀하의 인증이 고용주에게 현재 준비 상태를 보여주는 살아있는 자격 증명으로 유지되도록 보장합니다.

New ways to keep Google Cloud certifications current and boost your career cloud.google.com

RSS Hunter • 7월 8일

Google Cloud, 2026 Gartner® Magic Quadrant™ for AI Infrastructure 부문 리더로 선정

AI의 에이전트 시대는 단순히 응답이 아닌 추론과 행동을 지원하는 인프라를 요구합니다. 구글은 AI 인프라 분야의 리더로 가트너에 의해 인정받았으며, 이는 그들의 강력한 실행력과 비전을 강조합니다. 이러한 성공은 Gemini와 같은 서비스를 위해 구글 딥마인드와 10년 이상 실리콘과 소프트웨어를 공동 설계해 온 것에 기반합니다. 구글의 맞춤형 TPU는 이에 중심적인 역할을 하며, TPU 8t는 학습을 최적화하고 TPU 8i는 에이전트의 추론을 향상시킵니다. 또한 NVIDIA와 협력하여 A5X 인스턴스를 제공하고 구글 클라우드 서비스에 GPU를 통합하고 있습니다. 구글은 오픈 소스 프로젝트에 적극적으로 기여하고 PyTorch 개발자를 위해 TorchTPU를 제공합니다.구글의 AI 하이퍼컴퓨터는 통합된 하드웨어와 소프트웨어를 통해 달러당 성능을 향상시킵니다. 주요 구성 요소에는 고대역폭 스토리지 시스템과 대규모 컴퓨팅 연결을 위한 버고 네트워크가 포함됩니다. GKE 추론 게이트웨이는 낮은 지연 시간과 비용 절감을 통해 모델 확장을 최적화합니다. 이 인프라는 클러스터 디렉터와 GKE를 통해 최대 130,000개의 노드까지 학습을 가능하게 하는 유연한 확장을 지원합니다. GKE 에이전트 샌드박스는 안전하고 낮은 지연 시간의 에이전트 실행과 비용 최적화를 제공합니다. 마지막으로, 크로스 클라우드 네트워크와 클라우드 WAN은 멀티 클라우드 및 하이브리드 환경 전반에 걸쳐 일관된 성능을 보장합니다.

Google Cloud named Leader in the 2026 Gartner® Magic Quadrant™ for AI Infrastructure cloud.google.com

RSS Hunter • 7월 8일

Gemini Enterprise for Education, Tambellini StarChart™: 2026 AI Agents for Administrative Efficiency—Agent Platforms에서 사령관으로 선정

에이전트형 AI 시대는 고등 교육에 혁명을 일으키며 효율성과 혁신을 향상시키고 있습니다. 탬벨리니 그룹은 Gemini Enterprise for Education을 행정 효율성에 초점을 맞춘 AI 에이전트의 최고 등급인 "Commander"로 인정했으며, 혁신성과 사용성 부문에서 1위를 차지했습니다. 이는 Google의 AI 리더십과 Gemini 모델 및 에이전트형 플랫폼의 역량을 인정하는 것입니다. Gemini Enterprise for Education은 Gemini 모델, 에이전트 구축 도구, 엔터프라이즈 검색, 거버넌스 제어 및 Google Cloud 인프라를 독특하게 통합합니다. 이 통합 접근 방식은 기관을 위한 AI 서비스의 대규모 개발 및 관리를 단순화합니다. 이 플랫폼은 Google Cloud에서 유연하고 통합된 기반을 제공하여 사일로화된 AI 애플리케이션이 아닌 맞춤형 통합 아키텍처를 가능하게 합니다. 기관은 복잡한 캠퍼스 운영을 자동화하여 수동 작업에서 전략적 감독으로 초점을 전환하고, 상담 및 학생 서비스와 같은 사용 사례를 지원할 수 있습니다. 안전하고 거버넌스된 AI 에이전트는 엔터프라이즈 검색 및 Deep Research 기능을 통해 기관 데이터에 에이전트를 기반으로 하여 24시간 연중무휴 적응형 지원을 통해 학생, 교수진 및 연구원에게 권한을 부여합니다. 관리 제어 및 역할 기반 액세스와 같은 기능은 기술이 확장됨에 따라 데이터 보호 및 관리 용이성을 보장합니다. 이러한 인정은 교육을 위한 AI, 보안 및 클라우드 기술에 대한 Google의 상당한 투자를 검증합니다.

Gemini Enterprise for Education named a Commander in Tambellini StarChart™: 2026 AI Agents for Administrative Efficiency—Agent Platforms cloud.google.com

RSS Hunter • 7월 8일

Gemini 스타트업 포럼에 참여하는 33개의 사이버 보안 스타트업을 만나보세요

Google은 AI 네이티브 사이버 보안에 초점을 맞춘 프로그램인 Gemini Startup Forum에 33개의 스타트업을 선정했다고 발표했습니다. 이 스타트업들은 복잡한 사이버 보안 과제를 해결하기 위한 혁신적인 솔루션을 개발하고 있으며, Google DeepMind, Google Cloud, Wiz의 AI 및 사이버 보안 전문가들과 협력할 기회를 갖게 됩니다. 스타트업들은 자율 에이전트 보호, 애플리케이션 보안, 클라우드 및 네트워크 보안, 엔드포인트 보안, SOC 자동화, 보안 인프라를 포함한 여섯 가지 초점 영역으로 구성됩니다. 각 스타트업은 Capsule Security의 자율 AI 에이전트 런타임 보호 또는 Aisy의 취약점 수정 플랫폼과 같은 고유한 솔루션을 개발하고 있습니다. Gemini Startup Forum은 차세대 AI 네이티브 사이버 보안 스타트업을 지원하는 것을 목표로 하는 Google for Startups 프로그램의 일부입니다. Google은 이러한 스타트업과의 협력을 통해 더 안전하고 탄력적인 디지털 인프라 구축에 전념하고 있습니다. 이 프로그램은 스타트업에게 API, 도구, 교육 및 기술 리소스에 대한 액세스를 제공하여 AI를 통해 확장할 수 있도록 지원합니다. 위협 환경은 끊임없이 진화하고 있으며, 사이버 보안 스타트업을 지원하려는 Google의 노력은 이러한 과제를 해결하는 데 매우 중요합니다. 선정된 스타트업들은 사이버 보안 산업에 상당한 영향을 미칠 수 있는 좋은 위치에 있으며, 이들의 혁신은 차세대 능동적 디지털 방어를 정의하는 데 도움이 될 것입니다. 전반적으로 Gemini Startup Forum은 혁신적인 스타트업과 업계 전문가를 모아 가장 시급한 사이버 보안 과제를 해결하는 중요한 이니셔티브입니다.

Meet the 33 cybersecurity startups joining the Gemini Startup Forum cloud.google.com

RSS Hunter • 7월 8일

Agentic Enterprise를 위한 20가지 질문 (그리고 Agent Platform이 어떻게 도울 수 있는지)

IT 리더들은 AI 에이전트를 신속하게 구축하고 배포해야 하는 압박에 직면해 있지만, 근본적인 엔지니어링 복잡성은 상당합니다. 이러한 복잡성에는 파편화된 도구, 데이터 보안 문제, 예산 관리가 포함됩니다. Gemini Enterprise Agent Platform은 에이전트 구축, 확장, 거버넌스 및 최적화를 위한 통합 환경을 제공하여 이를 단순화하는 것을 목표로 합니다. 이러한 과제를 헤쳐나가기 위해서는 엔지니어링 팀에 구체적인 질문을 하는 것이 중요합니다.구축 단계는 애플리케이션을 누가 구축하는지 이해하는 것부터 시작됩니다. AI 생성은 더 이상 하이코드 엔지니어만의 전유물이 아니기 때문입니다. 개발자는 코딩을 가속화하기 위해 전문화된 AI 도구가 필요하지만, 이러한 도구는 종종 필수적인 엔터프라이즈 데이터와의 연결이 부족합니다. 특정 확장이 포함된 Google Antigravity는 핵심 애플리케이션, 데이터 및 Google Cloud 엔지니어에게 권장됩니다.에이전트가 인간과의 상호 작용을 위해 구축되는지 아니면 다른 에이전트를 위해 구축되는지 여부를 결정하는 것이 필수적입니다. 이는 설계 요구 사항을 결정하기 때문입니다. 인간과의 상호 작용의 경우 사용자 경험에 중점을 두고, 에이전트 간 통신의 경우 Agent2Agent와 같은 프로토콜을 사용하여 상호 운용성을 우선시합니다. 올바른 개발 도구를 선택하려면 네 가지 단계의 사다리를 고려해야 합니다. 로우코드용 Agent Studio, 서비스형 에이전트용 Managed Agents API, 고급 코딩용 Antigravity 2.0, 고도로 사용자 정의된 네트워크용 Agent Development Kit(ADK 2.0)입니다.초기 개발의 경우 정확성과 효율성을 유지하기 위해 단일 전문 에이전트로 시작하는 것이 좋습니다. 복잡성이 증가함에 따라 전문화된 에이전트가 협업하는 다중 에이전트 시스템으로 전환하는 것이 권장됩니다. 엔터프라이즈 데이터 연결에는 에이전트에게 정확한 의사 결정을 위한 필요한 컨텍스트와 논리를 제공하기 위해 Model Context Protocol(MCP)과 같은 개방형 표준이 필요합니다.다른 프레임워크에서 구축된 에이전트가 통신할 수 있도록 하려면 Agent2Agent(A2A) 프로토콜이 보편적인 통신을 가능하게 합니다. 에이전트는 성능 저하 및 비용 증가를 피하기 위해 집중된 에이전트 스킬을 사용하여 필요한 도구를 동적으로 검색해야 합니다. 확장은 탄력적인 자동 확장 및 안전한 개인 네트워킹을 제공하는 Agent Runtime과 같은 완전 관리형 서버리스 실행 환경에 에이전트를 배포해야 합니다.장기 실행 작업을 관리하기 위해 에이전트는 단기 및 장기 메모리가 모두 필요하며, Agent Platform은 즉각적인 세션 상태 및 영구 스토리지를 처리합니다. 스크립트를 실행하거나 웹을 검색하는 에이전트의 잠재적 피해 범위를 제한하는 것이 중요합니다. 이는 임시 격리된 샌드박스 환경에서 이러한 작업을 실행하여 달성됩니다.

20 questions for the Agentic Enterprise (and how Agent Platform can help) cloud.google.com

RSS Hunter • 7월 7일

보고서: 조직의 83%가 에이전트 AI를 지원하기 위해 인프라를 업그레이드해야 함

기업 AI 환경은 대화형 봇에서 독립적인 행동을 수행하는 에이전트 AI로 진화했습니다. 이러한 변화는 기존 인프라에 부담을 주며, 83%의 조직이 프로덕션 등급의 에이전트 AI를 위해 업그레이드가 필요합니다. 레거시 아키텍처는 자율 에이전트의 규모와 지속적인 추론에 어려움을 겪으며, 데이터 유출, 스토리지 과부하, 유휴 하드웨어로 인한 "추론 세금"을 발생시킵니다. 이러한 비효율성을 해결하기 위해서는 실리콘을 작업에 맞추고 오버헤드를 최소화하는 유동적인 컴퓨팅이 중요합니다. 중앙 집중식 거버넌스는 자율 에이전트의 확산을 관리하고 보안, 거버넌스 및 MLOps 문제를 해결하는 데 필수적입니다. 통합 데이터 계층은 에이전트가 정보의 위치에 관계없이 정보에 액세스하고 이해할 수 있도록 하여 파편화를 제거합니다. 디지털 주권과 현지 데이터 상주법 준수 필요성에 따라 하이브리드 멀티클라우드 아키텍처가 표준이 되고 있습니다. 엣지 AI 배포는 지연 시간을 줄이고 운영 복원력을 보장하며 소스에 더 가까운 곳에서 상호 작용을 처리하여 비용 효율성을 개선하는 데 중요합니다. 에너지 소비는 그리드 부족, 규정 준수 및 인프라 경제로 인해 하드웨어 선택에 영향을 미치는 중요한 운영 요소입니다. 모든 계층이 공동 설계된 Google Cloud의 AI Hypercomputer와 같은 통합된 AI 최적화 인프라를 채택하는 것이 이러한 과제를 극복하는 데 핵심입니다. 이러한 전체적인 접근 방식은 자율 시스템이 실제 세계의 문제와 상호 작용하고 해결할 수 있는 물리적 AI를 가능하게 합니다.

Report: 83% of organizations need to upgrade their infrastructure to support agentic AI cloud.google.com

RSS Hunter • 7월 7일

Google Threat Intelligence 및 Wiz ASM으로 선제적 보안을 강화하고 위험 우선순위를 지정하세요.

조직들은 보안 전략에서 더욱 능동적인 자세를 취하고자 노력하고 있습니다. AI 기반 취약점 발견의 빠른 속도는 방어를 우선시하기 위한 개인화된 보안 투자를 필요로 합니다. Google Threat Intelligence는 이러한 요구를 충족시키기 위해 Wiz Attack Surface Management와 통합되고 있습니다. 이 통합은 실제 노출과 실시간 공격자 활동을 연결합니다. 이는 외부에서 악용 가능한 문제점을 탐지하고 우선순위를 정하며, 논리 기반 AI 취약점을 발견하는 데 도움을 줍니다. 목표는 가장 중요한 실제 위협에 기반하여 조치를 우선시하는 방향으로 전환하는 것입니다. 이러한 통찰력을 결합하면 보안이 수동적인 유지보수에서 능동적인 자세로 전환됩니다. 조직은 어떤 노출이 공격자에 의해 적극적으로 표적이 되고 있는지에 대한 가시성을 확보하게 될 것입니다. 이 통합은 우선순위 지정을 개선하기 위해 노출 데이터를 Google Threat Intelligence에 자동으로 공급할 것입니다. Wiz ASM은 외부 공격 표면을 매핑하고 악용 가능한 취약점 및 잘못된 구성을 스캔합니다. Wiz Red Agent는 AI를 사용하여 복잡한 논리 기반 취약점을 찾아 위험에 대한 보다 포괄적인 시각을 제공합니다.

Drive proactive security, prioritize risks with Google Threat Intelligence and Wiz ASM cloud.google.com

RSS Hunter • 7월 7일

Gemini Enterprise 및 Google Cloud Marketplace에서 퍼블리싱 에이전트 개발자 가이드

소프트웨어의 지형이 Software-as-a-Service에서 Agents-as-a-Service로 변화하고 있으며, 이는 AI 에이전트가 A2A와 같은 표준화된 프로토콜을 통해 상호 운용될 수 있도록 합니다. 개발자는 이제 Google Cloud Marketplace를 통해 이러한 자율 에이전트를 구축하고 상용화하며, Gemini Enterprise 앱과 통합할 수 있습니다. 이 과정에는 마켓플레이스 결제, 보안 및 Gemini Enterprise Agent Platform을 연결하는 아키텍처 설계가 포함됩니다.파트너는 Google Cloud Partner Network에 가입하고 명확한 에이전트 사용 사례 정의 및 A2A 프로토콜 준수를 포함한 특정 등록 요건을 준수해야 합니다. 중요한 요소는 에이전트의 기능, 인증 방법 및 엔드포인트를 자세히 설명하는 JSON 파일인 A2A Agent Card입니다. 에이전트는 인증 및 권한 부여를 위해 공개 액세스 또는 OAuth 2.0을 지원해야 합니다.기술적 요구 사항에는 A2A 프로토콜 설명서를 따르는 것이 포함되며, 이는 A2UI를 사용한 대화형 사용자 인터페이스 구현도 안내합니다. A2A Agent Card는 에이전트 메타데이터를 표시하고 Gemini Enterprise 앱이 엔드포인트를 찾고, 진입점을 검색하며, 인증 방법을 결정할 수 있도록 하는 데 필수적입니다. 동적 클라이언트 등록(DCR)은 OAuth 클라이언트 등록 프로세스를 자동화하기 위해 지원됩니다.에이전트를 게시하려면 Producer Portal에서 "AI Agent as a Service"를 선택하고, Agent Card를 업로드하고, 가용성 및 가격을 정의하고, 백엔드 조달을 구성해야 합니다. Google Cloud는 에이전트를 검증한 후 마켓플레이스에서 사용할 수 있게 됩니다. 거래 및 등록 수명 주기는 결제 관리자, 검색 엔진 관리자 및 최종 사용자가 관리하는 별도의 단계를 포함합니다.조달은 고객의 구독 또는 비공개 제안에 의해 시작되는 비동기 백엔드 프로세스로, 파트너에게 알림을 트리거합니다. 파트너는 권한을 승인하고, 거래를 기록하며, 구독을 활성화합니다. 조달 후 검색 엔진 관리자는 DCR 핸드셰이크를 포함한 동기화된 등록 흐름을 통해 구매를 Gemini Enterprise 환경에 연결합니다.등록되면 에이전트는 Gemini Enterprise 앱 내에서 최종 사용자에게 검색 가능해지며, 최종 사용자는 적절한 ID 권한 부여 후 액세스를 요청할 수 있습니다. 이 포괄적인 프로세스는 엔터프라이즈 환경 내에서 타사 에이전트에 대한 안전하고 규정을 준수하며 관리되는 액세스를 보장합니다.

A developer's guide to publishing agents in Gemini Enterprise and Google Cloud Marketplace cloud.google.com

RSS Hunter • 7월 7일

BGP 라우팅 정책: 고객 수요 기준 상위 3가지 사용 사례

Google Cloud의 Cloud Router용 BGP 경로 정책은 네트워크 관리자에게 네트워크 경로 평가 및 전파에 대한 프로그래밍 가능한 제어 기능을 제공합니다. 정책 명명 세트는 접두사 또는 BGP 커뮤니티를 재사용 가능한 엔티티로 그룹화하여 복잡성이 증가하는 것을 관리하고 구성을 단순화하기 위해 도입되었습니다. CEL로 구동되는 이러한 정책은 Cloud Router 내에서 BGP 경로에 대한 세분화된 필터링 및 속성 수정을 허용합니다. 고객은 경로 필터링 및 네트워크 보호를 위해 이러한 정책을 활용하여 보안 강화를 위해 "fail closed" 모델을 구현했습니다. 또한 MED 속성을 수정하거나 AS-PATH 앞에 붙여 능동/대기 아키텍처의 트래픽 경로에 영향을 미치는 데 사용합니다. 중요한 사용 사례에는 BGP 커뮤니티를 일치시켜 상태 저장 방화벽에 대한 비대칭 라우팅 문제를 해결하는 것이 포함됩니다. 이를 통해 Cloud Router는 경로에 태그를 지정하고 대칭 반환 트래픽에 대한 MED를 조정할 수 있습니다. 고객은 프로덕션 배포 전에 스테이징 환경에서 정책을 테스트하는 것이 좋습니다. 경로 필터링 구현, 트래픽 경로 영향, 트래픽 대칭 생성에 대한 리소스를 사용할 수 있습니다. 전반적으로 BGP 경로 정책은 하이브리드 클라우드 연결을 위한 동적 라우팅을 제어하는 보다 강력하고 쉬운 방법을 제공합니다.

BGP route policies: Top 3 use cases by customer demand cloud.google.com

RSS Hunter • 7월 7일

데이터베이스 속 '유령': 머신 DPAPI를 통한 활성 ADFS 서명 키 복구

"골든 SAML(Golden SAML)" 기법은 공격자가 Microsoft 환경에서 신원 정보를 위조할 수 있도록 합니다. ADFS 토큰 서명 인증서의 개인 키를 손상시키면 공격자는 보안 조치를 우회하고 모든 사용자를 사칭할 수 있습니다. 수동 인증서 로테이션 중 구성 드리프트가 Machine DPAPI에서 활성 서명 키를 노출할 수 있는 새로운 공격 벡터가 등장했습니다. 이는 AutoCertificateRollover가 비활성화되고 ADFS 서비스가 WID 구성 데이터베이스를 업데이트하지 않고 새 인증서를 사용하는 경우 발생합니다.이로 인해 더 이상 토큰 서명에 사용되지 않는 "유령" 인증서 항목이 생성됩니다. 그러나 활성 서명 키는 Machine DPAPI로 보호되는 시스템의 컴퓨터 범위 암호화 저장소에 상주합니다. 이 키를 성공적으로 검색하면 공격자는 유효한 SAML 어설션을 위조하여 SAML 연합 애플리케이션에 대한 무단 액세스를 허용할 수 있습니다. 이 방법은 LSASS 및 라이브 ADFS 프로세스에 초점을 맞춘 일반적인 모니터링을 회피합니다.공격자는 컴퓨터 키 저장소 및 관련 DPAPI 아티팩트에 액세스하여 이를 악용할 수 있습니다. 개인 키는 운영 복원력을 위해 Machine DPAPI로 보호되는 컴퓨터 범위 키 저장소에 영구 저장됩니다. 그러나 이러한 복원력은 권한 있는 로컬 프로세스가 키 자료를 복구할 수 있음을 의미합니다. 검색된 키는 SAML 어설션을 위조하는 데 사용되어 전역 관리자와 같은 높은 권한을 가진 사용자를 사칭할 수 있습니다.방어자는 운영 체제 암호화 작업 및 신원 발급을 모니터링해야 합니다. 특정 파일 경로에 대한 SACL 기반 개체 액세스 모니터링은 지원 증거를 제공할 수 있습니다. ADFS 토큰 발급 로그의 불일치와 Entra ID의 연합 ID 모니터링도 중요합니다. 완화 조치에는 ADFS를 Tier 0 인프라로 취급하고 하드웨어 보안 모듈을 사용한 하드웨어 기반 키 보호를 고려하는 것이 포함됩니다. ADFS 서비스에 gMSA를 사용하면 수동 자격 증명 관리로 인한 운영 드리프트를 줄일 수도 있습니다. ADFS 서버에 대한 엄격한 Tier 0 관리 제어가 필수적입니다."

The ‘Ghost’ in the Database: Recovering Active ADFS Signing Keys via Machine DPAPI cloud.google.com

RSS Hunter • 7월 7일

Google Cloud Labs: Cloud Run으로 AI 가속화

AI 환경은 단순한 프로토타입을 넘어 발전하고 있으며, 프로덕션 등급 애플리케이션을 위한 전문 엔지니어링을 요구하고 있습니다. Google Cloud는 2026년 전체 AI 에이전트 라이프사이클에 초점을 맞춰 Accelerate AI with Cloud Run 로드쇼를 재개합니다. "Coffee Shop Journey"는 실제 비즈니스 사용 사례를 위해 Cloud Run에서 고급 AI 에이전트를 구축하고 배포하는 방법을 시연하는 실습 경험입니다. 참가자들은 기본 웹 앱을 배포하고, ADK 및 RAG를 사용하여 추천 에이전트를 구축하며, Gemma 4 및 BigQuery를 사용하여 비즈니스 위치를 최적화하는 방법을 배우게 됩니다. 커리큘럼에는 개인 생산성 비서 및 Antigravity 2.0을 사용한 고급 기능(스킬, 컨텍스트, 규칙 및 훅 포함)도 포함됩니다. Cloud Run은 확장 가능하고 프로덕션 등급의 에이전트 워크로드를 위한 이상적인 플랫폼으로 제시됩니다. 실습은 Google의 ADK 및 Antigravity 2.0을 사용하여 장기 실행 에이전트를 구축, 확장 및 오케스트레이션하는 과정을 다룹니다. 참석자들은 또한 BigQuery MCP를 사용한 데이터 기반 확장 전략과 GPU에서의 저지연 추론에 대해 배우게 됩니다. 로드쇼는 참가자들이 AI 프로토타입에서 강력하고 프로덕션 준비가 된 현실로 나아갈 수 있도록 지원하는 것을 목표로 합니다. 워크숍은 8월, 9월, 10월, 11월 내내 북미 여러 도시에서 예정되어 있으며, 초기 이벤트에 대한 등록 세부 정보가 제공됩니다.

Google Cloud Labs: Accelerate AI with Cloud Run cloud.google.com

RSS Hunter • 7월 7일

에이전트와 함께 고성능으로 전환: 소프트웨어 정의 차량 보안

자동차 산업은 새로운 기능을 위해 무선 업데이트(over-the-air updates)를 활용하는 소프트웨어 정의 차량(SDV)으로 전환하고 있습니다. Google Cloud와 Valtech의 파트너십인 Nexus SDV는 수백만 대의 장치를 관리하도록 설계된 새로운 AI 기반 커넥티드 차량 플랫폼입니다. 이 플랫폼은 Android Automotive OS와 깊이 통합되어 데이터 및 차량 내 사용자 경험을 간소화합니다. 플랫폼의 핵심은 Arm 기반 컴퓨팅과 Bigtable이 총 소유 비용을 어떻게 절감할 수 있는지 보여줍니다. Nexus AI는 지능형 엔진 역할을 하며, AI 모델을 사용하여 차량을 능동적이고 주체적인 파트너로 변환합니다. 이 플랫폼은 효율적인 하드웨어와 최적화된 데이터 스토리지를 사용하여 운영 비용을 절감하는 데 중점을 둡니다. 클라우드 네이티브 아키텍처는 차량과 데이터 센터 간의 강력한 데이터 흐름을 보장합니다. Google Cloud의 보안 프레임워크는 심층 방어를 제공하여 위협으로부터 보호하고 규정 준수를 보장합니다. Nexus SDV는 제조업체가 차세대 자동차 인텔리전스를 안전하고 비용 효율적으로 구축할 수 있도록 오픈 소스 프레임워크를 제공합니다.

Shift into high gear with agents: Securing the software-defined vehicle cloud.google.com

RSS Hunter • 7월 6일

Google의 악성 주거용 프록시 네트워크에 대한 지속적인 방해

Google은 FBI 및 기타 기관과 협력하여 NetNut 주거용 프록시 네트워크에 대한 조치를 취했습니다. 이 조치는 IPIDEA 프록시 네트워크의 이전 중단에 이은 것으로, 악의적인 주거용 프록시 네트워크를 해체하려는 Google의 지속적인 노력의 일환입니다. Google은 NetNut이 악성코드 명령 및 제어에 사용한 계정과 서비스를 비활성화했습니다. 또한 NetNut의 소프트웨어 개발 키트 및 인프라에 대한 기술 정보를 플랫폼 제공업체 및 연구원들과 공유했습니다. Google Play Protect는 이제 NetNut SDK를 통합한 애플리케이션에 대해 사용자에게 경고하고 비활성화하여 지속적인 보호를 제공할 것입니다. 이러한 조치로 인해 NetNut의 네트워크 운영이 크게 저하되어 수백만 대의 기기 사용이 줄어든 것으로 추정됩니다. NetNut은 SDK를 가정용 기기에 배포하여 프록시 네트워크의 일부로 만듦으로써 운영됩니다. 이러한 기기는 트래픽을 라우팅하는 데 사용되며, 공격자의 악의적인 활동을 숨깁니다. 이는 예상치 못한 기기 소유자에게 위험을 초래하며, 합법적인 트래픽이 의심스러운 것으로 표시될 수 있습니다. 2026년 6월, NetNut 종료 노드를 사용하여 사이버 범죄 및 스파이 활동을 수행하는 수많은 위협 클러스터가 관찰되었습니다. 소비자들은 인터넷 대역폭 공유에 대한 대가를 제공하는 애플리케이션에 주의해야 합니다. 또한 사용자는 공식 앱 스토어를 이용하고, 앱 권한을 검토하며, Google Play Protect와 같은 보안 보호 기능이 활성화되어 있는지 확인해야 합니다.

Google’s Continued Disruption of Malicious Residential Proxy Networks cloud.google.com

RSS Hunter • 7월 2일

SOCRadar, AlloyDB와 Gemini Enterprise로 신속한 위협 탐지 강화

사이버 보안 기업인 SOCRadar는 사이버 위협 증가로 인해 PostgreSQL 데이터베이스 성능 문제를 겪었습니다. 고객에게 더 빠른 위협 인텔리전스를 제공하기 위해 인프라를 현대화해야 했습니다. 기존 온프레미스 데이터베이스는 고속 데이터 수집 및 실시간 분석 쿼리에 어려움을 겪으며 상당한 병목 현상을 야기했습니다. 이를 해결하기 위해 SOCRadar는 대안을 평가하고 Google Cloud의 AlloyDB for PostgreSQL을 선택했습니다.AlloyDB는 복잡한 하이브리드 워크로드를 처리할 수 있는 PostgreSQL 호환의 완전 관리형 솔루션을 제공했습니다. 이 마이그레이션으로 분석 쿼리 성능이 20배 향상되고 실시간 수집 속도가 3.2배 증가했습니다. 또한 전환 과정에서 운영 오버헤드가 크게 줄어들어 데이터베이스 관리자가 업무에 집중할 수 있게 되었습니다. SOCRadar는 45TB 이상의 스토리지를 확보하고 DBA 시간을 75% 절약하여 혁신에 집중할 수 있었습니다.더 나아가 SOCRadar는 알림 피로를 줄이기 위해 Gemini Enterprise Agent Platform을 AlloyDB와 통합했습니다. 이 AI 기반 필터링은 최종 사용자에게 도달하기 전에 알림을 분류하고 라우팅하여 분석가가 중요하고 실행 가능한 인텔리전스만 받도록 합니다. 회사는 현재 자연어 쿼리 및 자동화된 인시던트 요약 계획과 함께 에이전트 AI 워크로드를 탐색하고 있습니다. 이 통합 플랫폼은 트랜잭션 속도, 과거 데이터 깊이 및 AI 인텔리전스를 통합하여 미래 지향적인 사이버 보안 방어 프레임워크를 구축합니다.

SOCRadar powers rapid threat detection with AlloyDB and Gemini Enterprise cloud.google.com

RSS Hunter • 7월 1일

AlloyDB AI 함수 - 혁신적인 성능 향상 및 비용 절감 기능 추가

AlloyDB는 AI 네이티브 데이터베이스로, 벡터 검색 및 자연어-SQL 기능과 같은 기능을 제공하며 데이터를 지능적으로 처리합니다. Gemini와 같은 파운데이션 모델을 AI 함수를 통해 직접 통합하여 Gemini의 세계 지식을 데이터에 가져옵니다. 이러한 함수는 원시 사용자 피드백과 같은 비정형 데이터를 구조화된 인사이트로 변환하여 복잡한 사용자 정의 파이프라인의 필요성을 제거합니다. 예를 들어, ai.generate는 원시 텍스트를 정리된 구조화된 JSON으로 변환할 수 있습니다.새로운 AI 함수에는 각각 감정 톤을 분류하고, 텍스트를 압축하고, 여러 행을 요약하는 ai.summarize, ai.agg_summarize, ai.analyze_sentiment가 포함됩니다. AlloyDB는 두 가지 주요 혁신을 통해 AI 함수 처리에서 상당한 성능 및 비용 개선을 달성했습니다. AI 함수를 위한 스마트 배치(Smart Batching)는 AI 함수 호출을 지능적으로 그룹화하여 프롬프트 오버헤드를 중복 제거하고 성능을 최대 2,400배 향상시킵니다. AlloyDB는 최적의 배치 크기를 자동으로 결정하고 재시도를 처리합니다.최적화된 AI 함수(처음에는 ai.if용)는 데이터로 학습된 작은 프록시 모델을 배포하여 외부 LLM 호출을 대폭 줄입니다. 이는 초당 최대 100,000개의 행을 처리하고 비용을 6,000배 절감할 수 있습니다. AlloyDB는 PREPARE 문을 사용할 때 백그라운드에서 이 프록시 모델을 학습시키고 정확도가 낮으면 자동으로 LLM으로 대체됩니다. 이러한 최적화를 통해 사용자는 특정 숫자 제약 조건을 기반으로 제품을 필터링하는 것과 같은 복잡한 쿼리를 전례 없는 속도와 비용 효율성으로 처리할 수 있습니다.사용자는 AlloyDB의 30일 무료 평가판으로 시작하고 SQL 쿼리 내에서 AI 함수를 직접 활성화할 수 있습니다. 성능 및 비용 절감을 극대화하기 위해 사용자는 최적화된 함수와 스마트 배치를 활용할 수 있습니다. 이러한 발전은 사용자가 Gemini의 지능을 AlloyDB 데이터에 효율적으로 가져올 수 있도록 합니다.

AlloyDB AI Functions - now with revolutionary performance boosts and cost savings cloud.google.com

RSS Hunter • 7월 1일

Google, 3년 연속 2026 Gartner® Magic Quadrant™ for Analytics and Business Intelligence Platforms에서 리더로 선정

Google은 3년 연속으로 2026 Gartner Magic Quadrant for Analytics and Business Intelligence Platforms에서 리더로 선정되었습니다. 이러한 인정은 Google Cloud Next 2026에 이어 Google이 데이터 상호 작용에서 능동적인 실행 시스템으로의 전환을 강조한 결과입니다. Looker와 Google은 엔터프라이즈급 신뢰와 Gemini의 추론을 통해 데이터 인사이트와 자동화된 비즈니스 워크플로우 간의 격차를 해소하고 있습니다. 보편적인 시맨틱 레이어는 단일 진실 공급원을 구축하여 데이터 환각 및 불일치를 방지합니다. 주요 거버넌스 강점에는 통합 분석, 인데이터베이스 모델링, git 기반 버전 관리를 통한 엔터프라이즈 수명 주기 관리가 포함됩니다. Gemini의 기능은 비즈니스 사용자를 위한 복잡한 전략 분석을 가능하게 하고 개발자를 위한 분석 엔지니어링을 가속화합니다. Looker는 에이전트 시맨틱 모델링, 대시보드 에이전트 및 대화형 분석을 통해 스택을 재구상하고 있습니다. Looker Everywhere는 기존 인터페이스를 넘어 외부 플랫폼과 통합하여 입지를 확장합니다. 전문 BI 에이전트를 통해 사용자는 자연어를 사용하여 복잡한 데이터를 쿼리하고 자율 워크플로우를 조정할 수 있습니다. Explore Mode의 AI 기반 셀프 서비스 기능은 직관적인 디자인과 대화형 분석을 결합합니다. 개발자는 이제 LookML Agent를 사용하여 VS Code 내에서 LookML 개발을 완전히 관리할 수 있습니다. Looker의 시맨틱 레이어는 그래프 모델 및 복잡한 온톨로지를 지원하여 다양한 데이터 에이전트 사용 사례를 가능하게 합니다. 이러한 통합은 AI 에이전트가 조작된 데이터가 아닌 검증된 엔터프라이즈 메트릭을 기반으로 작동하도록 보장합니다.

Google named a Leader in 2026 Gartner® Magic Quadrant™ for Analytics and Business Intelligence Platforms for third year in a row cloud.google.com

RSS Hunter • 7월 1일

새로운 IDC 연구: Mandiant 컨설팅의 비즈니스 가치

보안 리더들은 이제 단순한 위험 관리를 넘어 비즈니스 성장을 주도하고 이사회에 보안의 가치를 입증해야 한다는 기대를 받고 있습니다. Mandiant Consulting은 기술적인 보안 노력을 측정 가능한 재정적 이익으로 전환하는 데 도움을 줍니다. 최근 IDC 연구에 따르면 Mandiant Consulting과 파트너십을 맺은 조직은 연평균 430만 달러의 혜택을 경험했으며, 3년 동안 268%의 ROI를 달성했고 4.1개월의 빠른 투자 회수 기간을 보였습니다. 이러한 결과는 평균 매출 173억 달러의 대규모 복잡한 조직을 대상으로 한 인터뷰를 기반으로 합니다. Google Cloud는 보안을 수익성에 직접적인 영향을 미치는 전략적 비즈니스 인에이블러로 간주합니다. 한 의료 고객은 Mandiant가 상업적 대화를 개선하여 보안을 시장 차별화 요소이자 고객 선택의 주요 이유로 포지셔닝했다고 밝혔습니다. Mandiant는 또한 연간 5만 달러의 보험 비용 절감에도 기여했습니다. 리소스 제약에 직면한 CISO는 광범위한 사고 조사에서 파생된 Mandiant의 최전선 위협 인텔리전스의 이점을 누릴 수 있으며, 이는 팀이 관련 산업별 위협에 집중하는 데 도움이 됩니다. 한 소매 조직은 Mandiant의 맞춤형 탐지 사용 사례 덕분에 Scattered Spider와 같은 표적 캠페인에 성공적으로 대응했습니다. 또한 Mandiant는 ID 인프라에 대한 기술 감사를 수행하여 리더십에 사이버 보안 프로그램에 대한 확신과 검증을 제공합니다. 이러한 독립적인 검증은 에너지 부문 조직이 확인한 바와 같이 이사회에 대한 메시지를 강화합니다. 전반적으로 Mandiant 고객은 사이버 복원력, 공격 대비 태세 및 보안 분석가 효율성에서 상당한 개선을 보고했으며, 내부 팀이 전략적 성장 이니셔티브에 집중할 수 있도록 합니다.

New IDC study: The business value of Mandiant Consulting cloud.google.com

RSS Hunter • 7월 1일

Google Cloud, 네덜란드 DPIA 승인을 통해 EU 공공 부문 조직에 더 안전한 선택지를 제공한다고 확인

Google Cloud는 전 세계 공공 부문 조직에 최고 수준의 데이터 보호, 주권 및 보안을 갖춘 유연하고 확장 가능한 클라우드 기술을 제공하는 데 전념하고 있습니다. 유럽 연합 공공 부문 기관의 경우 데이터 보호는 기본적인 요구 사항입니다. 이러한 노력의 중요한 발전은 네덜란드 정부의 전략적 공급업체 관리 기관인 SLM Rijk이 Google Cloud에 대한 엄격한 데이터 보호 영향 평가(DPIA)를 성공적으로 완료한 것입니다. 이 협력은 네덜란드 공공 부문 내에서 개인 정보 보호 관행에 대한 신뢰를 강화하려는 Google Cloud의 강력한 의지를 확인시켜 줍니다. DPIA 중에 제기된 모든 주요 우려 사항은 성공적으로 해결되었으며, 권장 조치가 적용될 경우 상당한 데이터 보호 위험이 존재하지 않는다는 결론에 이르렀습니다. 결과적으로 네덜란드 중앙 공공 부문은 이제 명확한 개인 정보 보호 평가 경로가 확립된 Google Cloud를 공식적으로 사용할 수 있습니다. 이러한 결과는 네덜란드 공공 부문 조직 및 그 외 조직이 안전한 현대화 및 디지털 전환을 위해 Google Cloud를 자신 있게 탐색하고 채택할 수 있도록 지원합니다. 이는 네덜란드에서 Google Workspace에 대한 DPIA를 성공적으로 완료한 것에 기반하며, 공공 부문 고객을 위한 개인 정보 보호, 보안 및 규정 준수에 대한 Google의 의지를 강화합니다. Google Cloud는 신뢰와 투명성을 구축하는 데 필수적인 이러한 독립적인 평가를 환영합니다. Google은 안전하고 개인 정보 보호에 중점을 둔 서비스를 통해 고객이 규정 준수 의무를 이행하도록 지원하는 데 전념하고 있습니다. Google Cloud는 전 세계 조직을 지원하기 위해 개인 정보 보호 기술, 투명성 및 고객 제어에 지속적으로 투자할 것입니다. 또한 복잡한 DPIA 프로세스를 탐색하는 데 도움이 되는 리소스도 제공합니다.

Google Cloud confirmed to offer a safer choice for EU public sector organizations with Dutch DPIA approval cloud.google.com

RSS Hunter • 7월 1일

Google Cloud용 Claude 앱 게이트웨이 시작하기

Anthropic의 에이전트 코딩 도구인 Claude Code는 이전에 개별 개발자 구성을 통해 Google Cloud와 통합되었습니다. 그러나 이를 조직 전체로 확장하는 것은 자격 증명 관리 및 중앙 집중식 제어 부족과 같은 문제를 야기했습니다. 새로운 Claude 앱 게이트웨이는 로컬 Claude Code 클라이언트와 Google Cloud 간의 자체 호스팅 서비스 역할을 하여 이러한 문제를 해결합니다. 이 게이트웨이는 향상된 거버넌스를 위해 ID, 정책, 비용 관리 및 라우팅을 중앙 집중화합니다. 민감한 자격 증명을 개발자 머신에 노출하지 않고 원활한 사용자 인증을 위해 ID 공급자와 통합됩니다. 역할 기반 액세스 제어 규칙은 중앙에서 관리되며 로컬 설정을 재정의하고 일관된 정책 시행을 보장합니다. 원격 측정 데이터는 확인된 사용자 및 그룹에 귀속되어 정확한 사용량 메트릭을 제공합니다. 게이트웨이는 또한 사용자 또는 그룹별로 세분화된 지출 한도를 설정할 수 있어 과도한 사용에 대한 안전 장치 역할을 합니다. 추론 요청은 Google Cloud 경계 내에 유지되어 데이터 개인 정보 보호 및 규정 준수를 유지합니다. 게이트웨이 설정에는 GCP 리소스 프로비저닝, gateway.yaml 파일 구성 및 Cloud Run에 배포가 포함됩니다. 그런 다음 개발자는 강제 로그인 설정을 통해 온보딩되어 인증을 위해 게이트웨이로 안내됩니다. 이 설정은 엔터프라이즈 채택을 간소화하고 Google Cloud 내에서 Claude Code 사용에 대한 보안을 강화합니다.

Get started with the Claude apps gateway for Google Cloud cloud.google.com

RSS Hunter • 7월 1일

정적 프롬프트를 넘어서: Google의 ADK를 활용한 스케일 불변, 다형성 멀티 에이전트 시스템 구축

기업용 생성형 AI는 단순한 챗봇을 넘어 복잡한 자율 워크플로우로 이동하면서 확장성 문제를 겪고 있습니다. 모든 스키마가 사전 로드되는 기존의 정적 프롬프팅은 컨텍스트 창 부풀림, 높은 비용, 주의 확산으로 인한 정확도 저하를 초래합니다. 이러한 아키텍처는 수백 개의 데이터 구조와 동적 비즈니스 규칙을 처리하는 데 어려움을 겪습니다. 에이전트 추론을 구조적 데이터 요구 사항과 분리하는 새로운 접근 방식이 필요합니다. 이 게시물은 동적 컨텍스트 주입 및 런타임 스키마 적용을 위한 메타데이터 레지스트리를 사용하는 패턴인 컨텍스트 인식 다형 스키마 유효성 검사를 소개합니다.정적 에이전트 아키텍처는 컨텍스트 창 부풀림, 지연 시간 및 관련 없는 스키마를 혼합하는 주의 확산을 초래합니다. 동기식 코드 및 유효성 검사를 유지하는 것이 어려워져 부채가 발생합니다. 다중 에이전트 핸드오프에는 결정론적 검사가 부족하여 조용한 실패가 발생합니다. 제안된 아키텍처는 스키마를 중앙 집중식 메타데이터 레지스트리로 외부화하여 실행을 컨텍스트 검색 및 동적 유효성 검사로 분리합니다. 스키마는 필드 정의, 매핑 규칙 및 유효성 검사 후크를 포함하는 JSON 설명자로 저장됩니다.동적 검색 및 유효성 검사 루프는 경량 검색 프롬프트로 시작됩니다. 에이전트는 먼저 무거운 스키마 제약 없이 사용자 의도를 추출합니다. 의도가 명확해지면 메타데이터 레지스트리에서 특정 스키마 규칙을 세션 메모리로 로드합니다. 그런 다음 시스템은 평가 루프에 들어가 정확한 필드를 요청하고 원시 입력을 별도의 다형 유효성 검사기로 보냅니다. 유효성 검사에 실패하면 오류 코드가 자체 수정을 트리거하고, 통과하면 필드가 마스터 JSON 페이로드에 커밋됩니다.마스터 페이로드가 메타데이터 기준을 완전히 준수할 때만 최종화가 이루어지며, 이를 통해 안전한 다운스트림 API 호출 또는 깔끔한 다중 에이전트 핸드오프가 가능합니다. Google Cloud에 구현된 이 디자인 패턴은 다중 에이전트 조정을 위해 ADK를 사용하고 빠르고 비용 효율적인 추론을 위해 Gemini Flash를 사용합니다. Cloud Storage는 스키마 설명자의 외부화된 저장소 역할을 하며, 관리자는 코드 배포 없이 이를 업데이트할 수 있습니다. Cloud Run 함수는 분리된 프로그래밍 가능한 유효성 검사 후크를 제공합니다.동적 스키마 아키텍처로의 이러한 전환은 상당한 비즈니스 및 운영 이점을 제공합니다. 컨텍스트 혼잡을 피하여 100% 추론 밀도를 보장하고 비용과 환각을 크게 줄입니다. 적응성은 레지스트리에서 스키마 설명자를 수정하기만 하면 되는 제로 다운타임 업데이트를 통해 달성됩니다. 결정론적 상태 적용은 엔터프라이즈 애플리케이션에 도달하기 전에 컨텍스트를 유효성 검사하여 조용한 다중 에이전트 실패를 제거합니다.

Beyond Static Prompts: Building Scale-Proof, Polymorphic Multi-Agent Systems with Google's ADK cloud.google.com

RSS Hunter • 7월 1일

LLM 추론 확장: GKE 및 Managed Lustre를 이용한 멀티노드 KV 캐시 오프로딩

AI 워크로드가 긴 컨텍스트 창을 요구함에 따라 엔터프라이즈 환경에서 분산 아키텍처를 채택하고 있습니다. 이러한 아키텍처가 확장됨에 따라 KV 캐시는 로컬 CPU RAM 및 SSD 용량을 초과합니다. 로컬 SSD를 풀링하는 것은 용량을 제공하지만 데이터 분산 및 복제에 복잡성을 더합니다. 대안으로, Google Cloud Managed Lustre와 같은 고성능 외부 병렬 파일 시스템으로 어텐션 상태를 오프로드하는 것입니다. 이 접근 방식은 호스트 용량 제한을 우회하고 풀링된 드라이브와 관련된 네트워킹 오버헤드를 피합니다. Google Cloud Managed Lustre는 대규모 언어 모델 추론에 대한 TCO를 절감하고 GPU 시간 요구 사항을 줄이는 것이 입증되었습니다. 이 솔루션은 추가적인 성능 향상을 위해 CPU RAM 오프로드를 통해 확장될 수 있습니다. 주요 아키텍처 구성 요소에는 GKE GPU 노드와 분산 캐시 역할을 하는 Managed Lustre가 포함됩니다. PVC Evictor는 가장 최근에 사용되지 않은 캐시 청크를 제거하여 스토리지를 관리합니다. 배포에는 GKE 클러스터 생성, Lustre 스토리지 프로비저닝, Lustre 통합을 갖춘 vLLM 서빙 엔진 배포, 마지막으로 PVC Evictor 배포가 포함됩니다. 배포 전에 할당량 및 IAM 권한을 포함한 적절한 Google Cloud 프로젝트 구성이 필수적입니다.

Scaling LLM Inference: Multi-Node KV Cache Offloading with GKE & Managed Lustre cloud.google.com

RSS Hunter • 7월 1일

BigQuery의 대화형 분석은 모든 사람에게 신뢰할 수 있는 에이전트 추론을 제공합니다.

BigQuery의 Conversational Analytics가 이제 정식 출시되어 비즈니스 및 기술 팀 모두 자연어를 사용하여 데이터를 분석할 수 있게 되었습니다. 이 기능은 Google의 Gemini 모델과 BigQuery의 보안 기반 위에 구축된 지식 있는 분석가처럼 작동하는 에이전트를 제공합니다. 별도의 설정 없이 즉시 사용 가능한 대화형 기능을 제공하며, 데이터 전문가가 특정 데이터 소스를 기반으로 전문화된 에이전트를 만들 수 있는 옵션도 있습니다. 이러한 에이전트는 Databricks, AWS Glue, SAP, Salesforce와 같은 Lakehouse 소스를 포함하여 네이티브 BigQuery 테이블 이상의 데이터에 액세스하여 데이터 사일로를 해소할 수 있습니다.데이터 실무자는 BigQuery Studio 및 Data Canvas 내에서 Conversational Analytics를 사용하며, API를 통해 Gemini Enterprise 또는 기타 애플리케이션에 에이전트를 게시할 수 있습니다. 엔지니어링된 신뢰성과 설명 가능성은 핵심 기능으로, 모든 에이전트는 비즈니스 컨텍스트에 기반하며 명확한 사고 과정, SQL 생성 및 컨텍스트 인용을 제공합니다. 명확한 질문을 통한 사전 모호성 해소 및 장기 기억은 사용자 경험과 신뢰를 더욱 향상시킵니다. 보안 및 거버넌스는 BigQuery에서 상속되어 사용자가 승인된 데이터에만 액세스하고 모든 쿼리가 감사 목적으로 기록되도록 보장합니다.이 제품은 CMEK 및 VPC Service Controls와 같은 고급 보안 기능을 지원하며 EU 및 미국 멀티 리전 내 데이터 상주를 보장합니다. 확장 운영 제어에는 비용 관리 및 사용량 추적이 포함됩니다. Conversational Analytics는 BigQuery의 AI 함수를 활용하여 사용자가 모델을 구축하지 않고도 근본 원인, 예측 및 이상 현상에 대한 질문을 할 수 있도록 합니다. 또한 관계형 데이터와 PDF 및 이미지와 같은 비정형 파일을 함께 처리하여 전체 데이터 에스테이트를 쿼리할 수 있습니다.에이전트는 심층 분석 모드를 통해 반응형 분석에서 사전 예방적 조치로 발전하고 있으며, 이는 조사를 위한 분석 계획을 자동으로 구축합니다. Agentic 워크플로우는 데이터를 모니터링하고 예약에 따라 다단계 워크플로우를 실행하며 인사이트를 직접 제공하는 자율 에이전트를 허용합니다. 이번 릴리스는 정적 대시보드에서 데이터를 능동적인 지식으로 전환하는 자체 관리 환경으로의 전환을 의미하며, Agentic Data Cloud의 핵심 구성 요소를 형성합니다.

Conversational analytics in BigQuery brings trusted agentic reasoning to everyone cloud.google.com

RSS Hunter • 6월 30일

배포의 자유와 AlloyDB Omni를 통한 혁신적인 AI로 금융 서비스를 현대화

금융 서비스 산업은 규제 준수, 극도의 속도 요구, 강력한 보안 필요성으로부터 엄청난 압박에 직면해 있습니다. 역사적으로 독점 데이터베이스는 기술 부채와 높은 운영 비용을 초래했습니다. 금융 기관은 라이선스 함정에 어려움을 겪고 있으며, 유지보수 비용이 증가하고 혁신이 저해됩니다. DORA 및 데이터 거주지법과 같은 새로운 규제는 민감한 데이터에 대한 퍼블릭 클라우드 채택에 어려움을 제기합니다. 이는 레거시 시스템이 실시간 데이터 처리 및 AI 기반 도구를 처리할 수 없기 때문에 "인사이트 격차"를 만듭니다. Agentic AI의 등장은 독점 시스템을 넘어서는 새로운 데이터베이스 전략을 필요로 합니다. 클라우드 네이티브 혁신과 온프레미스 데이터 제어를 결합한 하이브리드, 개방형 표준 접근 방식이 필요합니다. Google Cloud의 AlloyDB for PostgreSQL은 PostgreSQL 호환성과 유연한 배포 옵션을 제공하는 솔루션을 제공합니다. AlloyDB Omni는 특히 온프레미스, 엣지 또는 하이브리드 클라우드 배포를 뛰어난 성능과 확장성으로 가능하게 함으로써 이러한 과제를 해결합니다. 컨테이너화 또는 독립 실행형 버전을 통한 현대화된 인프라, 운영 단순성을 제공하며 트랜잭션 및 분석 속도를 크게 향상시킵니다. 또한, 엄격한 금융 산업 표준을 충족하기 위해 AI 기능과 엔터프라이즈급 보안 기능을 통합합니다. 이를 통해 금융 기관은 퍼블릭 클라우드 마이그레이션 강요 없이 안정성과 혁신을 모두 달성할 수 있습니다.

Modernizing financial services with deployment freedom and transformational AI with AlloyDB Omni cloud.google.com

RSS Hunter • 6월 30일

슈뢰딩거, Alphaevolve로 분자 발견 속도를 4배 높인 방법

계산 화학은 분자 시뮬레이션에서 전통적으로 속도-정확도 상충 관계에 직면해 왔습니다. 머신러닝 기반 힘 장(MLFF)은 정확도를 향상시켰지만, 현대 신약 개발에 필요한 방대한 데이터셋으로 인해 여전히 어려움을 겪고 있었습니다. 이를 해결하기 위해 Schrödinger는 Google Cloud와 협력하여 AI 코딩 에이전트인 AlphaEvolve를 사용하여 MLFF 학습 파이프라인을 최적화했습니다. 그들은 이웃 목록 계산과 Ewald 합산이라는 두 가지 핵심 알고리즘을 성능 병목 현상으로 식별했습니다. 주요 목표는 AI 모델 학습을 가속화하는 것이었으며, 특히 PyTorch 코드에서 계산 집약적인 Ewald 합산을 대상으로 했습니다. AlphaEvolve는 이 알고리즘의 보다 효율적인 구현을 생성하는 임무를 맡았습니다. 시스템은 Ewald 합산을 위해 느린 for-loop를 병렬 배치 행렬 곱셈으로 대체하여 PyTorch 코드를 성공적으로 발전시켰습니다. 엄격한 평가를 통해 발전된 코드의 기능적 정확성과 성능 향상이 확인되었으며, 성공률이 크게 증가했습니다. 이러한 최적화는 MLFF 학습 및 추론에서 4배의 속도 향상을 가져왔고, 신약 개발, 촉매 설계 및 재료 개발을 가속화했습니다. Schrödinger는 사용자 정의 GPU 커널 최적화를 위해 이 진화적 접근 방식을 더 탐구할 계획입니다.

How Schrödinger sped up molecular discovery by 4x with Alphaevolve cloud.google.com

RSS Hunter • 6월 30일

Gemini Enterprise Agent Platform의 완전 관리형 원격 MCP 서버로 에이전트를 더욱 빠르게 구축하세요.

Google Cloud에서 Gemini Enterprise Agent Platform 원격 MCP 서버를 제공합니다. 이 서버는 외부 AI 에이전트와 Google Cloud 리소스 간의 안전한 브리지 역할을 합니다. 개발자는 통합 개발 환경(IDE)을 Google Cloud에 연결하여 AI 에이전트가 Model Garden 및 Notebooks와 같은 서비스와 상호 작용할 수 있도록 할 수 있습니다. 이 통합은 광범위한 통합 코드의 필요성을 줄여 개발을 단순화합니다. 또한 Google Cloud의 안전한 인프라 내에서 표준화된 인터페이스를 제공하여 가치 실현 시간을 단축합니다. 이 플랫폼은 오픈 표준을 지원하여 공급업체 종속을 방지하고 규정 준수를 보장합니다. Agent Registry는 AI 기능을 검색하고 관리하기 위한 중앙 집중식 라이브러리를 제공합니다. 보안은 네이티브 Cloud IAM Deny 정책을 통해 유지되며 리소스 액세스를 제어합니다. Gemini Enterprise Agent Platform API를 활성화하면 원격 MCP 서버가 자동으로 활성화됩니다. 연결하려면 AI 애플리케이션을 원격 서버를 가리키도록 구성하고 사용 가능한 도구 세트 엔드포인트를 활용해야 합니다. 이러한 도구 세트는 생성 AI, 예측, 노트북 관리, 모델 엔드포인트, 모델 레지스트리, 미세 조정, 평가 및 프롬프트 관리와의 상호 작용을 용이하게 합니다. 개발자는 에이전트 프레임워크를 Agent Platform MCP 서버에 연결하여 빌드를 시작할 수 있습니다.

Build agents even faster with Gemini Enterprise Agent Platform’s fully-managed, remote MCP server cloud.google.com

RSS Hunter • 6월 30일