AI Security Research

Securing
Intelligent Systems

LLM 취약점 분석, 인과추론 기반 보안, AI 시스템의 견고성 연구. 데이터에서 인과관계를 읽어, 공격보다 한 발 앞선 방어를 설계합니다.

Training Solutions

ai-sec ~ threat-model

▶ scan --target llm-system --mode adversarial

[*] Initializing adversarial probe suite...

[*] Testing prompt injection vectors: 47 patterns

[*] Causal graph analysis: backdoor paths identified

[!] Confounding detected in training distribution

[*] Generating counterfactual robustness report...

▶ report --format structured

[✓] Report ready · sec/reports/2026-Q2

// training

교육

Workshop · W01 AI 보안 워크샵 — Week 01 sulgik.github.io/security-workshop/ws01

↗ 열기

// resources

자료

Streamlit · App 한국 AI 보안 현황 대시보드 k-ai-sec.streamlit.app

↗ 열기

Streamlit · App AI Security Map — 위협 지형 시각화 aisecmap.streamlit.app

↗ 열기

// solutions

솔루션

Demo · Privacy Zipsa — Privacy Gateway zipsa-demo.fly.dev

↗ 열기

// about

About

AI 시스템의 보안과 안전성을 인과추론의 관점에서 연구합니다. 단순한 취약점 발견을 넘어, 왜 취약한가를 인과적으로 설명하고 구조적 해결책을 설계하는 것을 목표로 합니다.