SlideShare ist ein Scribd-Unternehmen logo
1 von 52
Downloaden Sie, um offline zu lesen
리버싱으로 만지작거리는 고전게임
경북대학교 KERT-정현태
001
002
03.1
004
준비
시작 : 값을 바꿔보자!
주소 고정
결론 같은 후기
CONTENTS
R e v e r s i n g
03.2 코드 인젝션
01
준비! : 무엇이 필요하고 무엇을 공부해야 할까
D2
CAMPUS PARTNER
SECURITY
SEMINAR
우연찮은 기회
보안이라면 아주 조금..
재미있는 걸 해보고 싶다.
리버씽 어떨까?
계기
현태야 발표해라
왕 초보 무지함
쉬운거 없을까
리버씽 어떨까?
오케이! 리버씽!
D2
CAMPUS PARTNER
SECURITY
SEMINAR
리버싱이란?
역공학이라 불리며…
완성된 프로그램을 분석
…
역추적…
간단 설명
여러분들은
다 아시잖아요.
그렇죠?
준비물
D2
CAMPUS PARTNER
SECURITY
SEMINAR
툴이 필요하다
Cheat engine : 편리한 디버거이자 해킹툴이다
PETools : PE 분석 및 수정
Peview : PE 구조 확인용
D2
CAMPUS PARTNER
SECURITY
SEMINAR
막막했다.
일단 쉬운 문제를 풀어보면서 배워봤다.
배워야한다
뭘 해볼까?
D2
CAMPUS PARTNER
SECURITY
SEMINAR
가장 최근에 즐기던 게임(싱글)이 좋지 않을까?
제일 만만해보이는게 좋지 않을까?
사실 小女前線을 더 많이했다.
02
시작 : 값부터 일단 바꿔보자
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
일단 값부터 찾아보자 (우선 바로 확인가능한 값부터)
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
그렇다면 좌표는?
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
이제 눈에 안보이는 값을 찾아야한다.
가정을 세워보자
1. 정수형이 아닐 것이다.
2. X,Y좌표 형식으로 이루어졌을 것이다.
3. 소수점형식으로 표현 되어 있을 것이다.
-> float 이나 double 형일 것이다.
4. 아이작은 맵이 작다. Float부터 찾자.
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
우선 Float 부터
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
코인이나 폭탄 값보다 찾는 시간이 배로 걸렸다.
축지법이 가능해졌다.
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
값은 찾았지만… 큰 문제가…
컨티뉴시 찾아 놓은 값들이 다 덤프 값으로 채워진다.
어떡하지? 다음 단계 : 주소 고정 으로 가보자!
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR
아까와 같은 케이스들을 우선 찾아보았다.
1. 당연히 게임 자체를 재부팅하면 덤프 된다.
2. 게임 내 “R”버튼을 이용한 재시작시 덤프 된다.
3. 다른 캐릭터로 플레이 시에도 바뀐다.
4. 다른 층으로 갈 때는 바뀌지는 않는다.
값을 바꾸자
D2
CAMPUS PARTNER
SECURITY
SEMINAR 각 수치들의 주소 값이 비슷하다..?
일단 이것도 알고 다음 단계로 가보자
03.1
주소 찾기 : 매번 바꾸기 귀찮다 본거지로 가자
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
어떤 방법이 있을까?
1. 직접 메모리뷰를 보며 탐색
2. 치트엔진 기능을 통해 주소 값으로 역추적
3. 코드 인젝션
1,2번선에 끝나겠지? 분명 될꺼다
( 삽질의 시작이었다.)
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
우선 가장 일반적인(쉬운) 방법 : 치트 엔진 기능을 통해 주소 찾기
현재 할당 된 주소
정적 주소 (클라이언트 내 주소)
포인터
주소 : ex1 value : re1
주소 : fix1 value : ex1
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
자 빨리 찾고 小女前線 하러갑시다!
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
제발.. 제발 NO..!!
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
분명히 있어야 하는데..
정적 주소가.. 없어?
다중 포인터도 아니다…
Scan 자체가 안된다..
침착하게 무엇이 이 값에 영향을 주는지 살펴보자
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
이 주소에 현재 접근하는 주소들
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
이 주소에 현재 쓰여진 함수,주소
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
갑자기 검색이 가능해졌다.
???
초록색 주소=정적주소
즉 클라이언트내 주소
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
이런 경우는 처음이다...
질문을 해보자!
ASLR?
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
새로운 걸 알게 되었다.
ASLR 이란?
PE 파일 메모리에 로딩될 때 시작 주소 값을 랜덤하게 바꾸는 기술
PE 란? PE(Portable Executable)
즉 말 그대로 옮겨 다니면서 실행시킬 수 있는 파일
이제 ASLR 기능을 제거하러 가보자! (고지가 보이는듯 하다!)
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
ASLR 기능이 ON 된 상태
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
ASLR 기능이 ON 된 상태
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
PE Tools 사용 직접 플래그의 값 수정
ASLR 기능 OFF
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
그대로다..?
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
어떤 방법이 있을까?
1. 직접 메모리를 보며 탐색 X
2. 치트 엔진 기능을 통해 주소 값으로 역추적 X
3. 코드 인젝션 (무서웠다)
ASLR 같은 기법은 또 없을까..?
1,2번에서 너무 많은 시간을 삽질에 투자했다.
정말 막막했다.
주소 찾기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
좋다. 코드 인젝션뿐이다 이젠
03.2
코드인젝션
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
인젝션을 하기 앞서 뭘 알아야 할까?
1. 어디에 인젝션을 해야 할까?
2. 어떤 기능을 넣어야 할까?
스크립트에 어떤 기능을 넣어야 할까?
내가 매번 일일히 찾은 작업을 대신하게 해주는 것!
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
어디에 코드를 인젝션 할 것인가?
Player struct
HP
ITEMS
Stat
Location
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
어떻게 찾을 것인가
Comment, Memory view
Player관련 쪽부터 조사해보자 삽질의 시작이다.
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
어떻게 찾을 것인가
Comment, Memory view (현재 64비트 운영체제임)
..여긴가..?
위
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
코드 인젝션
D2
CAMPUS PARTNER
SECURITY
SEMINAR
인젝션 성공!
04
결론 : 후기
삽질 뒤엔
쌓인 지식
쌓인 경험
보람 찼다.
후기
D2
CAMPUS PARTNER
SECURITY
SEMINAR 맨땅에 헤딩
막막했다.
끝없는 삽질
후기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
앞으로 할 것
사실은 원래 아이작이 아니었다…
테크로맨서를 할려
했으나..
후기
D2
CAMPUS PARTNER
SECURITY
SEMINAR
치트 엔진과 Nox 나 Blustacks 같은 모바일 애뮬레이터을 이용
다양한 모바일 게임들도….(합법적인 것만)
사실 이게 더 쉬웠다. (구글에 너무 친절하게..)
시연 영상
D2
CAMPUS PARTNER
SECURITY
SEMINAR
치트는 오로지 싱글 게임에서만 ㅎㅎ!!
온라인에서 쓰시면 안됩니다.
참조
D2
CAMPUS PARTNER
SECURITY
SEMINAR
http://zer0day.tistory.com
http://sarghis.com/blog/357
http://securityfonder.tistory.com/24
https://www.youtube.com/watch?v=XfKZp8xthvA
감사합니다
정말 영광입니다!.. 정말!

Weitere ähnliche Inhalte

Was ist angesagt?

Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsLearning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsTakuya Minagawa
 
Unityとシェーダで描く360度フラクタル
Unityとシェーダで描く360度フラクタルUnityとシェーダで描く360度フラクタル
Unityとシェーダで描く360度フラクタルHirotaka Nakayama
 
Random Thoughts on Paper Implementations [KAIST 2018]
Random Thoughts on Paper Implementations [KAIST 2018]Random Thoughts on Paper Implementations [KAIST 2018]
Random Thoughts on Paper Implementations [KAIST 2018]Taehoon Kim
 
USB3.0ドライバ開発の道
USB3.0ドライバ開発の道USB3.0ドライバ開発の道
USB3.0ドライバ開発の道uchan_nos
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリングNorishige Fukushima
 
NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門Shiqiao Du
 
Préhabilitation et RAAC
Préhabilitation et RAACPréhabilitation et RAAC
Préhabilitation et RAACBertrand Le roy
 
파이콘 한국 2019 튜토리얼 - LRP (Part 2)
파이콘 한국 2019 튜토리얼 - LRP (Part 2)파이콘 한국 2019 튜토리얼 - LRP (Part 2)
파이콘 한국 2019 튜토리얼 - LRP (Part 2)XAIC
 
Unityエディタ拡張でノードベースでシンセサイザーを作ってみた
Unityエディタ拡張でノードベースでシンセサイザーを作ってみたUnityエディタ拡張でノードベースでシンセサイザーを作ってみた
Unityエディタ拡張でノードベースでシンセサイザーを作ってみたr_ngtm
 
数学で解く競馬.pptx
数学で解く競馬.pptx数学で解く競馬.pptx
数学で解く競馬.pptxssuser83a4fc
 
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能Unity Technologies Japan K.K.
 
[DL輪読会]Learning quadrupedal locomotion over challenging terrain
[DL輪読会]Learning quadrupedal locomotion over  challenging terrain[DL輪読会]Learning quadrupedal locomotion over  challenging terrain
[DL輪読会]Learning quadrupedal locomotion over challenging terrainDeep Learning JP
 
C#言語機能の作り方
C#言語機能の作り方C#言語機能の作り方
C#言語機能の作り方信之 岩永
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep LearningSeiya Tokui
 
KinectでAR空間に入り込もう
KinectでAR空間に入り込もうKinectでAR空間に入り込もう
KinectでAR空間に入り込もうTakashi Yoshinaga
 
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なことUnityTechnologiesJapan002
 
C++20 モジュールの概要 / Introduction to C++ modules (part 1)
C++20 モジュールの概要 / Introduction to C++ modules (part 1)C++20 モジュールの概要 / Introduction to C++ modules (part 1)
C++20 モジュールの概要 / Introduction to C++ modules (part 1)TetsuroMatsumura
 
Define and expansion of cpp macro
Define and expansion of cpp macroDefine and expansion of cpp macro
Define and expansion of cpp macrodigitalghost
 
NDC2011 - 절차적 지형과 트렌드의 추적자들
NDC2011 - 절차적 지형과 트렌드의 추적자들NDC2011 - 절차적 지형과 트렌드의 추적자들
NDC2011 - 절차적 지형과 트렌드의 추적자들Jubok Kim
 

Was ist angesagt? (20)

Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsLearning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
 
Unityとシェーダで描く360度フラクタル
Unityとシェーダで描く360度フラクタルUnityとシェーダで描く360度フラクタル
Unityとシェーダで描く360度フラクタル
 
Random Thoughts on Paper Implementations [KAIST 2018]
Random Thoughts on Paper Implementations [KAIST 2018]Random Thoughts on Paper Implementations [KAIST 2018]
Random Thoughts on Paper Implementations [KAIST 2018]
 
USB3.0ドライバ開発の道
USB3.0ドライバ開発の道USB3.0ドライバ開発の道
USB3.0ドライバ開発の道
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリング
 
IROS2020 survey
IROS2020 surveyIROS2020 survey
IROS2020 survey
 
NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門
 
Préhabilitation et RAAC
Préhabilitation et RAACPréhabilitation et RAAC
Préhabilitation et RAAC
 
파이콘 한국 2019 튜토리얼 - LRP (Part 2)
파이콘 한국 2019 튜토리얼 - LRP (Part 2)파이콘 한국 2019 튜토리얼 - LRP (Part 2)
파이콘 한국 2019 튜토리얼 - LRP (Part 2)
 
Unityエディタ拡張でノードベースでシンセサイザーを作ってみた
Unityエディタ拡張でノードベースでシンセサイザーを作ってみたUnityエディタ拡張でノードベースでシンセサイザーを作ってみた
Unityエディタ拡張でノードベースでシンセサイザーを作ってみた
 
数学で解く競馬.pptx
数学で解く競馬.pptx数学で解く競馬.pptx
数学で解く競馬.pptx
 
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能
【GTMF2018TOKYO】ハードウェアの性能を活かす為の、Unityの新しい3つの機能
 
[DL輪読会]Learning quadrupedal locomotion over challenging terrain
[DL輪読会]Learning quadrupedal locomotion over  challenging terrain[DL輪読会]Learning quadrupedal locomotion over  challenging terrain
[DL輪読会]Learning quadrupedal locomotion over challenging terrain
 
C#言語機能の作り方
C#言語機能の作り方C#言語機能の作り方
C#言語機能の作り方
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
 
KinectでAR空間に入り込もう
KinectでAR空間に入り込もうKinectでAR空間に入り込もう
KinectでAR空間に入り込もう
 
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと
【Unity道場教育スペシャル】Cinemachineで教えるゲームの3つの大切なこと
 
C++20 モジュールの概要 / Introduction to C++ modules (part 1)
C++20 モジュールの概要 / Introduction to C++ modules (part 1)C++20 モジュールの概要 / Introduction to C++ modules (part 1)
C++20 モジュールの概要 / Introduction to C++ modules (part 1)
 
Define and expansion of cpp macro
Define and expansion of cpp macroDefine and expansion of cpp macro
Define and expansion of cpp macro
 
NDC2011 - 절차적 지형과 트렌드의 추적자들
NDC2011 - 절차적 지형과 트렌드의 추적자들NDC2011 - 절차적 지형과 트렌드의 추적자들
NDC2011 - 절차적 지형과 트렌드의 추적자들
 

Ähnlich wie [보안PARTNERDAY] 리버싱으로 만지작거리는 고전게임

[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기
[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기
[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기Ahreum Kim
 
Spark & Zeppelin을 활용한 머신러닝 실전 적용기
Spark & Zeppelin을 활용한 머신러닝 실전 적용기Spark & Zeppelin을 활용한 머신러닝 실전 적용기
Spark & Zeppelin을 활용한 머신러닝 실전 적용기Taejun Kim
 
Machine Learning with Apache Spark and Zeppelin
Machine Learning with Apache Spark and ZeppelinMachine Learning with Apache Spark and Zeppelin
Machine Learning with Apache Spark and ZeppelinDataya Nolja
 
TDD - 테스트 주도로 개발하기
TDD - 테스트 주도로 개발하기TDD - 테스트 주도로 개발하기
TDD - 테스트 주도로 개발하기현승 배
 
엔지니어의 학습, 그리고 테스트 코드
엔지니어의 학습, 그리고 테스트 코드엔지니어의 학습, 그리고 테스트 코드
엔지니어의 학습, 그리고 테스트 코드Mijeong Park
 
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은Sung Eun Kim
 
디자이너를 위한 Sw원리 워크샵
디자이너를 위한 Sw원리 워크샵디자이너를 위한 Sw원리 워크샵
디자이너를 위한 Sw원리 워크샵Sangsu Song
 
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드NAVER Engineering
 
초보자를 위한 시스템 해킹 공부 가이드라인
초보자를 위한 시스템 해킹 공부 가이드라인초보자를 위한 시스템 해킹 공부 가이드라인
초보자를 위한 시스템 해킹 공부 가이드라인H4C
 
시스템 보안에 대해 최종본
시스템 보안에 대해   최종본시스템 보안에 대해   최종본
시스템 보안에 대해 최종본승표 홍
 
21.11.01 ASTERA Study
21.11.01 ASTERA Study21.11.01 ASTERA Study
21.11.01 ASTERA StudyJihun Jeon
 
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018devCAT Studio, NEXON
 
깨끗한 코드 (클린 코드, Clean Code)
깨끗한 코드 (클린 코드, Clean Code)깨끗한 코드 (클린 코드, Clean Code)
깨끗한 코드 (클린 코드, Clean Code)Jay Park
 

Ähnlich wie [보안PARTNERDAY] 리버싱으로 만지작거리는 고전게임 (13)

[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기
[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기
[FEConf 2018] Front-End 프로젝트의 Test code 작성경험기
 
Spark & Zeppelin을 활용한 머신러닝 실전 적용기
Spark & Zeppelin을 활용한 머신러닝 실전 적용기Spark & Zeppelin을 활용한 머신러닝 실전 적용기
Spark & Zeppelin을 활용한 머신러닝 실전 적용기
 
Machine Learning with Apache Spark and Zeppelin
Machine Learning with Apache Spark and ZeppelinMachine Learning with Apache Spark and Zeppelin
Machine Learning with Apache Spark and Zeppelin
 
TDD - 테스트 주도로 개발하기
TDD - 테스트 주도로 개발하기TDD - 테스트 주도로 개발하기
TDD - 테스트 주도로 개발하기
 
엔지니어의 학습, 그리고 테스트 코드
엔지니어의 학습, 그리고 테스트 코드엔지니어의 학습, 그리고 테스트 코드
엔지니어의 학습, 그리고 테스트 코드
 
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은
NDC 2017 라이브 프로세스 분석을 통한 효율적인 게임 로직 개발 - 김성은
 
디자이너를 위한 Sw원리 워크샵
디자이너를 위한 Sw원리 워크샵디자이너를 위한 Sw원리 워크샵
디자이너를 위한 Sw원리 워크샵
 
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드
[TECHCON 2019: MOBILE - iOS]2.들숨에 협업 날숨에 클린코드
 
초보자를 위한 시스템 해킹 공부 가이드라인
초보자를 위한 시스템 해킹 공부 가이드라인초보자를 위한 시스템 해킹 공부 가이드라인
초보자를 위한 시스템 해킹 공부 가이드라인
 
시스템 보안에 대해 최종본
시스템 보안에 대해   최종본시스템 보안에 대해   최종본
시스템 보안에 대해 최종본
 
21.11.01 ASTERA Study
21.11.01 ASTERA Study21.11.01 ASTERA Study
21.11.01 ASTERA Study
 
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018
전형규, 좋은 이름, 나쁜 이름, 이상한 이름, NDC2018
 
깨끗한 코드 (클린 코드, Clean Code)
깨끗한 코드 (클린 코드, Clean Code)깨끗한 코드 (클린 코드, Clean Code)
깨끗한 코드 (클린 코드, Clean Code)
 

Mehr von NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...NAVER D2
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈NAVER D2
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&ANAVER D2
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep LearningNAVER D2
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applicationsNAVER D2
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingNAVER D2
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화NAVER D2
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)NAVER D2
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기NAVER D2
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual SearchNAVER D2
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지NAVER D2
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?NAVER D2
 

Mehr von NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
 

[보안PARTNERDAY] 리버싱으로 만지작거리는 고전게임