AWS 뉴스
Amazon Web Services의 새 서비스, 가격 변경, re:Invent 발표 소식을 다룹니다.
총 381건·최신 업데이트
- 182
Anthropic의 가장 강력한 Sonnet 모델, 클로드 소넷 5가 AWS에 출시되었습니다
Anthropic의 차세대 모델인 Claude Sonnet 5가 Amazon Bedrock과 AWS 내 Claude Platform을 통해 공식 출시되었습니다. 이 모델은 Opus급에 근접한 지능을 유지하면서도 비용과 속도 면에서 최적화되어, 코딩, 에이전트 자동화 및 복잡한 데이터 분석 작업에 특화된 성능을 제공합니다.
Introducing Claude Sonnet 5 on AWS: Anthropic’s most capable Sonnet model↗aws.amazon.com
- 185
ThreatLedger 구축기: AWS Aurora + Vercel 기반, AI 기반 NDR을 72시간 만에 만들다
중소기업의 보안 비용 부담을 줄이기 위해 AI 기반 네트워크 탐지 및 대응(ND기) 대시보드인 'ThreatLedger'를 소개합니다. AWS Aurora PostgreSQL과 LLM을 활용하여 복잡한 보안 로그를 분석 가능한 위협 인텔리전스로 변환하며, 공격 캠페인을 시각화하고 자연어로 요약하는 기능을 제공합니다.
How we built ThreatLedger — AI-powered NDR on AWS Aurora + Vercel in 72 hours↗dev.to
- 186
AWS 계정 전반의 IAM 역할 및 OIDC 트러스트 관계를 검색하고 위험도를 평가하는 도구 구축 (오픈 소스)
MII는 AWS Organizations 내 모든 계정의 IAM 역할을 스캔하여 OIDC 연동, 교차 계정 신뢰, 와일드카드 권한 등 보안 위험 요소를 그래프 형태로 시각화하고 점수화하는 도구입니다. 이를 통해 관리자가 미처 인지하지 못한 잠재적 공격 경로와 유휴 권한을 자동으로 탐지할 수 있습니다.
[Open Source] Built a tool to discover and risk-score all IAM roles + OIDC trust relationships across AWS accounts↗dev.to
- 187
MII: 머신 아이덴티티 인텔리전스 - AWS 전반의 IAM 역할, OIDC 연동, CI/CD 토큰 위험도 평가 및 검색
머신 아이덴티티(Machine Identity)의 가시성 부족 문제를 해결하기 위해 개발된 MII는 AWS IAM 역할과 신뢰 관계를 분석하여 보안 점수를 산출합니다. 이 도구는 권한 오남용 및 침해 사고 시의 피해 경로를 시뮬레이션하고 구체적인 조치 계획을 제공하는 기능을 갖추고 있습니다.
MII: Machine Identity Intelligence — discover and risk-score IAM roles, OIDC federations, and CI/CD tokens across AWS↗dev.to
- 188
멀티 테넌트 LLM 분석, 로우 레벨 보안으로 구축한 안전한 에이전트: AWS에서의 구축 방법
LLM을 활용한 데이터 분석 에이전트 구축 시 발생할 수 있는 테넌트 간 데이터 노출 문제를 해결하기 위해, 프롬프트 기반의 필터링 대신 아키텍처 수준의 보안 계층을 도입했습니다. AWS SigV4 서명, 세만틱 검증, Split-Plane SQL을 통해 LLM의 오류와 상관없이 결정론적인 데이터 격리를 구현한 것이 핵심입니다.
Multi-tenant LLM analytics with row-level security: How we built a secure agent on AWS↗aws.amazon.com
- 189
Amazon Bedrock과 AWS HealthLake로 에이전트형 AI 의료 보험 청구 파이프라인 구축하기
이 글은 Amazon Bedrock의 데이터 자동화 기능을 사용하여 PDF 형태의 의료 보험 청구서에서 구조화된 데이터를 추출하고, AI 에능트가 이를 AWS HealthLake와 대조하여 검증 및 FHIR 표준 데이터로 변환하는 자동화 파이프라인 구축 사례를 다룹니다. 이를 통해 수동 작업에 따른 비용과 오류를 줄이고 데이터의 정확성을 높이는 엔드투엔드 워크플로우를 설명합니다.
Build an agentic AI healthcare claims pipeline with Amazon Bedrock and AWS HealthLake↗aws.amazon.com
- 193
- 196
AWS re:Invent 2023: 반복 속도가 모든 소프트웨어 문제 해결책이다
Vercel은 모놀리식 시스템의 한계를 극복하기 위해 개발 및 배포 전 과정에서 속도를 높이는 '프론트엔드 클라우드'와 컴포저블 아키텍처를 강조합니다. 특히 v0와 같은 Generative UI 기술을 통해 텍스트 프롬프트만으로 초기 UI 코드를 생성함으로써, AI 서비스 통합과 제품 혁신을 가속화하는 전략을 제시합니다.
AWS re:Invent 2023: Iteration velocity is the solution to all software problems↗vercel.com
- 199
로컬 문서 처리 파이프라인 구축으로 AWS 학습하기 (AWS 계정 없이)
이 글은 AWS 계정 없이 로컬 환경에서 AWS 에뮬레이터인 Floci를 사용하여 문서 처리 파이프라인을 구축하며 클라우드 핵심 서비스를 학습하는 과정을 다룹니다. 단순한 서비스 개별 사용법을 넘어, S3, Lambda, DynamoDB 간의 데이터 흐름과 IAM 권한 관리 등 서비스 간 상호작용을 이해하는 데 초점을 맞춥니다.
Learning AWS by Building a Local Document Processing Pipeline (Without an AWS Account)↗dev.to










