의약외품 ‘보건용 마스크’ 안전사용 정보
출처 : 식품의약품안전처 (mfds.go.kr) 미국으로 마스크를 좀 보내야 해서 법령과 조건등을 찾아보다가 무심코 사용했던 용어가 좀 쉽게 정리되어 있길래 퍼옴.. ㅋㅋㅋ 미세먼지에 대해 조금더 자세한 정보는 https://www.mfds.go.kr/mfds/pop/files/pop_hyp5_doc_01.pdf 여기에서 확인 가능 [미세먼지 크기비교 : PDF본문 중]
Amazon AppFlow 출시 – SaaS 데이터 연동 및 자동화 서비스 (서울 리전 포함)
Amazon AppFlow 출시 – SaaS 데이터 연동 및 자동화 서비스 (서울 리전 포함) 서비스형 소프트웨어(SaaS) 애플리케이션은 우리 고객에게 더욱 중요성이 커지고 있으며, 도입 속도도 급격히 빨라지고 있습니다. 이런 소프트웨어 사용 방식은 여러 가지 장점이 있지만, 데이터가 여러 위치에 저장된다는 문제가 있습니다. 이 데이터에서 의미 있는 분석 정보를 얻으려면 분석할 수단이 필요하지만, 데이터가 서로 고립된 위치에 흩어져 저장된다면 분석이 어려울 수 있습니다. 일반적으로 개발자는 SaaS 애플리케이션과 AWS 서비스 간에 데이터를 전달하여 분석할 수 있는 맞춤형 통합을 개발하는 데 엄청난 시간을 할애하고, 이런 작업은 보통 완료하기까지 몇 개월이 걸립니다. 데이터 요구 사항이 바뀐다면 복잡하고 비용이 많이 들어가는 과정을 거쳐 통합을 수정해야 합니다. 엔지니어링 인력이 풍부하지 않은 기업은 애플리케이션에서 직접 데이터를 가져오고 내보내야 할 수도 있습니다. 이는 시간이 오래 걸리고, 데이터 유출의 위험이 있으며, 인간의 실수가 발생할 가능성이 있습니다. 오늘은 이런 문제를 해결해줄 Amazon AppFlow라는 새로운 서비스 출시 소식을 알려드리려고 합니다. Amazon AppFlow를 [ more… ]
Using the NGINX Plus Key-Value Store to Secure Ephemeral SSL Keys from HashiCorp Vault
Using the NGINX Plus Key-Value Store to Secure Ephemeral SSL Keys from HashiCorp Vault In the first two posts in our series about securing SSL keys and certificates during transport and storage, we discussed using tools such as HashiCorp Vault and hardware security modules (HSMs) to secure SSL key and certificate data on disk for NGINX: Secure Distribution of SSL Private Keys with NGINX Protecting SSL Private Keys in NGINX with HashiCorp Vault In many situations, storing SSL certificate data on disk is a tolerable risk as long as additional security guardrails are used to govern access to those certificates. But in some use cases there is an extra need to keep all security‑related components off of disk and only stored in and accessed from memory. The two most common use cases are environments with heightened securitys where any at‑rest [ more… ]
AWS ChatBot 정식 출시 – Slack과 Chime을 위한 ChatOps 서비스
AWS ChatBot 정식 출시 – Slack과 Chime을 위한 ChatOps 서비스 작년에 제 동료인 Ilya Bezdelev는 AWS Chatbot – ChatOps for AWS라는 글을 통해 AWS Chatbot 공개 베타를 시작한다는 소식을 알렸습니다. 또한, re:Invent 2019 Launchpad에도 참여해서 자세한 AWS Chatbot 데모를 선보이기도 했습니다. 첫 번째 게시물에서 Amazon Chime 또는 Slack에서 ChatOps를 사용하고, 협업 기능이 기본으로 제공되는 환경에서 AWS 알림을 수신하고 명령을 실행하는 방법을 보여주었습니다. 그 이후에는 AWS Chatbot을 사용하여 Slack에서 AWS 명령 실행이라는 글을 통해 Slack 채널에서 AWS Chatbot을 구성하고, CloudWatch 경고를 표시하고, AWS 리소스를 설명하고, Lambda 함수를 호출하고, 로그를 검색하고, AWS Support 사례를 생성하는 방법을 보여주었습니다. Erin Carlson과 Matt Cowsert는 AWS 예산과 Chatbot 통합이라는 글에서 AWS 예산 알림을 설정하고 AWS Chatbot 내에서 알림을 예약하는 과정을 자세히 설명했습니다. Anushri Anwekar는 AWS Chatbot을 사용해서 Slack에서 AWS 개발자 도구 알림을 수신하는 방법을 보여주었습니다. 앞서 소개한 게시물을 보면 아시겠지만, AWS Chatbot은 클라우드 환경을 모니터링하고 관리하는 [ more… ]
PyTorch용 오픈 소스 모델 서버 TorchServe 출시
PyTorch용 오픈 소스 모델 서버 TorchServe 출시 PyTorch는 딥 러닝을 위한 가장 인기 있는 오픈 소스 라이브러리 중 하나입니다. 개발자와 연구자들은 모델 개발 및 학습에서 특히 PyTorch가 제공하는 유연성을 즐깁니다. 하지만, 프로덕션 환경에서 모델의 배포 및 관리는 맞춤형 예측 API를 개발하고 이를 확장하며 보안을 제공하는 것과 같은 기계 학습 프로세스의 가장 까다로운 부분이기도 합니다. 모델 배포 프로세스를 간소화하기 위한 한 가지 방법은 프로덕션에서 기계 학습 예측을 처리하도록 특별하게 설계된 모델 서버(예: 상용 웹 애플리케이션)를 사용하는 것입니다. 모델 서버를 사용하면 한 개 이상의 모델을 손쉽게 로드하여 확장 가능한 웹 서버가 지원하는 예측 API를 자동으로 생성할 수 있습니다. 또한, 예측 요청에서 선처리 및 후처리 코드를 실행하는 것도 가능합니다. 마지막으로 모델 서버는 로깅, 모니터링 및 보안과 같이 프로덕션에 매우 중요한 기능도 제공합니다. 인기 있는 모델 서버로는 TensorFlow Serving과 Multi Model Server 등이 있습니다. 사용자 지정 코드를 작성할 필요 없이 학습된 PyTorch 모델을 대규모로 [ more… ]