yozm.tech
피드로 돌아가기
Show HNHOTAI 재작성

K-베리타스, 코드 실행 결과 위변조 방지 기술 공개

27-그룹이 코드 실행 결과를 암호학적으로 검증하는 오픈소스 도구 'K-베리타스 고(K-Veritas Go)'를 공개했습니다. 이 도구는 코드, 하드웨어, 실행 시간을 결과물에 바인딩하여 서명된 PDF 보고서로 생성, 누구나 쉽게 검증할 수 있도록 돕습니다. 특히 AI 모델 학습, 과학 실험 등 재현성과 신뢰성이 중요한 분야에서 결과 조작을 방지하고 투명성을 높이는 데 기여할 것으로 기대됩니다.

2일 전·2026.08.31·읽기 2·Mkld27

27-그룹이 개발한 'K-베리타스 고(K-Veritas Go)'는 코드 실행 결과를 암호학적으로 검증하여 신뢰성을 확보하는 오픈소스 도구입니다. 이 기술은 특정 코드가 특정 하드웨어에서 특정 시간에 실행되어 도출된 결과임을 증명하며, 이를 위변조 방지된 서명(signed) PDF 보고서로 생성합니다. 이 보고서는 누구나 쉽게 검증할 수 있어, 복잡한 재현 과정 없이도 결과의 진위 여부를 확인할 수 있게 합니다.

K-베리타스(K-Veritas)는 실행 중인 프로세스의 하드웨어 사용량(HMCA), 컴퓨팅 비용(Compute-cost), 데이터 출처(Provenance) 등을 실시간으로 기록하고 검증합니다. 예를 들어, AI 모델 학습 시 선언된 FLOPs와 실제 사용된 시간, 에너지, 메모리 등을 비교하여 결과가 조작되지 않았음을 확인합니다. 또한, 메트릭(KVERITAS_METRIC), 단계(KVERITAS_PHASE), 핵심 주장(KVERITAS_CLAIM) 등 사용자가 정의한 정보를 표준화된 형식으로 기록하고 서명하여 결과의 투명성을 극대화합니다. 모든 과정은 머클 타임라인(Merkle timeline)으로 기록되며, 선택적 공개(selective disclosure) 기능을 통해 특정 파일이나 에이전트 프롬프트/출력만 증명하면서도 나머지 정보는 비공개로 유지할 수 있습니다.

이 기술은 인공지능(AI) 연구, 과학 실험, 소프트웨어 개발 등 재현성과 신뢰성이 핵심인 분야에서 큰 의미를 가집니다. 특히 AI 모델 학습 결과의 투명성과 공정성 확보에 기여하며, 연구자들이 자신의 주장을 입증하고 동료 검토자들이 이를 효율적으로 확인할 수 있도록 돕습니다. 또한, 모델이나 데이터셋을 공개하지 않고도 벤치마크 점수를 증명할 수 있는 기능은 기업의 지적 재산권을 보호하면서도 신뢰를 구축하는 데 유용할 것입니다. K-베리타스는 결과의 진실성을 보장함으로써 학술적 부정행위를 방지하고, 산업 전반의 데이터 기반 의사결정에 대한 신뢰도를 높이는 중요한 도구가 될 잠재력을 가지고 있습니다.

1인 창업자를 위한 기회 분석
AI 분석 · 참고용이며 검증이 필요합니다
6/10
보통
6점인가

명확한 문제(결과 검증의 어려움)가 있고, 오픈소스 기반으로 시작할 수 있으나, 특정 산업군에 특화된 솔루션으로 발전시켜야 가치가 높다.

문제 / 미충족 수요

AI 모델 학습 결과, 과학 실험 데이터 등 컴퓨팅 결과의 신뢰성과 재현성 검증이 어렵고 시간이 많이 소요됩니다.

한국 시장
국내 미진출 — 기회한국에서도 AI 모델의 신뢰성, 공정성, 재현성에 대한 관심과 규제 논의가 증가하고 있어 시장 잠재력이 크다.
수익 모델

B2B SaaS 구독, API 종량제, 온프레미스 솔루션 라이선스 · 돈 내는 주체: AI/ML 모델을 개발하거나 사용하는 기업, 과학 연구 기관, 규제 준수가 필요한 금융/제약 회사

1인 실현 가능성
3/5

핵심 기술은 오픈소스이나, 특정 산업군에 특화된 기능 개발 및 법적/규제 준수 요건을 맞추려면 상당한 전문성과 개발 역량이 필요하다.

진입 지점 (Wedge)

특정 산업(예: 제약, 금융, AI 연구)의 규제 준수 및 감사(audit) 요구사항을 충족하는 컴퓨팅 결과 검증 SaaS

이번 주 첫 실험

AI 모델 학습 결과 검증에 어려움을 겪는 국내 AI 스타트업 5곳을 대상으로 인터뷰를 진행하여 구체적인 페인 포인트와 니즈를 파악한다.

Original source
이 글은 Show HN의 기사를 yozm.tech가 한국어로 재작성한 버전입니다.
원문 보기