top of page

llm 0.37.2, OpenAI 키를 다른 제공업체로 전송하던 두 경로 수정

18분 전
9분 분량
Illustrative photograph. Photo: Godfrey Atima / Pexels.

Simon Willison의 llm 0.37.2는 OpenAI API 키가 다른 제공업체로 전송될 수 있었던 두 가지 보안 결함을 수정한다. 11월 11일 릴리스는 Daniel de Araujo가 보고한 특정 커스텀 엔드포인트 구성 문제를 해결한다. 핵심은 분명하다. 다른 모델 제공업체를 선택한다고 해서 OpenAI에 속한 자격 증명이 조용히 전송되어서는 안 된다.

언어 모델에 접근하기 위한 명령줄 애플리케이션인 LLM은 OpenAI 스타일 요청을 수락하는 서비스를 지원한다. 이러한 호환성 덕분에 개발자는 익숙한 워크플로를 유지하면서 제공업체를 변경할 수 있다. 하지만 요청 호환성과 자격 증명을 수신할 권한은 별개의 결정이다. 이번 버그는 전자가 후자를 훼손할 수 있게 만들었다.

직접적인 영향을 받는 대상은 모델 요청을 수신하는 서버 주소인 커스텀 엔드포인트를 사용하는 개발자와 팀이다. 이들이 던져야 할 질문은 LLM이 전반적으로 안전한지보다 더 좁다. 영향을 받은 구성에서 의도하지 않은 키가 전송됐는가? 답하려면 패치된 소프트웨어 동작과 과거의 노출 가능성을 구분해야 한다.

llm 0.37.2가 실제로 변경한 사항

이번 릴리스는 모든 사용자에게 영향을 미친 침해 사고를 발표한 것이 아니라, 특정 커스텀 엔드포인트 경로에서의 자격 증명 선택을 수정한다.

Willison의 보안 릴리스는 두 문제를 모두 찾아낸 de Araujo에게 공을 돌린다. 하나는 제공업체별 키가 누락된 경우와 관련됐다. 다른 하나는 한 요청 인터페이스용으로 구성된 모델이 다른 인터페이스로 전환될 때 발생했다. 두 경우 모두 OpenAI 자격 증명이 다른 용도로 선택된 서버로 향할 수 있었다.

구성 맥락이 중요하다. LLM은 추가 모델을 설명하는 설정 파일인 extra-openai-models.yaml을 사용해 OpenAI 호환 서비스에 연결한다. 이러한 서비스는 OpenAI 인터페이스와 유사한 요청을 수락한다. 호환된다고 해서 해당 서비스가 OpenAI가 되는 것은 아니며, OpenAI 계정 자격 증명을 받을 권한이 생기는 것도 아니다.

Willison은 버전 0.37에 도입된 llm openai endpoint add도 이러한 엔드포인트를 관리하는 새로운 방법으로 언급한다. 이 편의 기능은 현재 제품 맥락을 설명한다. 하지만 어느 취약점이 언제부터 발생했는지를 확정하지는 않으며, 독자는 최신 엔드포인트 명령을 모든 영향 경로의 시작점으로 간주해서는 안 된다.

릴리스 기록은 패치된 버전을 명시한다. 링크된 권고문은 노출 평가에 더 유용한 범위를 제공한다. 릴리스 번호는 어떤 업데이트에 수정 사항이 포함됐는지 알려준다. 구성 세부 정보는 특정 워크플로가 취약한 동작을 겪었는지 알려준다.

이 구분은 두 가지 오해를 막는다. 첫째는 이전 설치본에서 발생한 모든 요청을 자격 증명 유출로 보는 것이다. 둘째는 평범해 보이는 모델 응답이 올바른 인증을 입증한다고 가정하는 것이다. 어느 결론도 공개된 정보에서 따라오지 않는다. 자격 증명 라우팅에는 생성된 텍스트의 품질이나 성공 여부와 별도의 증거가 필요하다.

패치는 구성 실수에 대한 해석도 바꾼다. 제공업체 키가 누락되면 눈에 보이는 인증 문제가 발생해야 한다. 다른 서비스와 연결된 사용 가능한 자격 증명을 조용히 끌어와서는 안 된다. 중요한 개선점은 대상과 함께 전송이 허용된 키 사이의 의도된 관계를 보존하는 데 있다.

릴리스를 평가하는 개발자에게 이는 일상적인 호환성 조정보다 더 중요하다. 영향을 받은 동작은 사용자가 해당 자격 증명을 의도적으로 공유하지 않아도 자격 증명 경계를 넘었다. 따라서 원래 모델 작업이 테스트 엔드포인트에서 짧은 응답을 생성하는 것처럼 무해해 보였더라도 이 수정은 주의를 기울일 가치가 있다.

두 자격 증명 경로는 서로 다른 방식으로 실패했다

권고문은 별개의 실패 조건을 설명하므로, 영향 버전과 인증 동작을 구분해서 봐야 한다.

키 누락 권고문은 0.6부터 0.37.2 이전 릴리스까지의 버전을 다룬다. 커스텀 모델은 대상 주소인 api_base와 자격 증명 별칭인 api_key_name을 지정했다. 지정된 자격 증명이 없을 경우, 확인 과정은 키를 보관하는 환경 변수인 OPENAI_API_KEY로 대체될 수 있었다.

이 실패는 불완전한 구성을 의도하지 않은 자격 증명 전송으로 바꿨다. 권고문은 또한 0.6부터 0.7.1까지의 버전에 존재했던 더 광범위한 우선순위 동작을 지적하며, 이는 0.8에서 수정됐다. 현재 수정은 남아 있던 키 누락 사례를 해결한다. 구성 파일에서 별칭이 올바르게 보인다고 해서 대응하는 비밀 값이 존재한다는 뜻은 아니었다.

요청 위임 권고문은 0.32a2부터 0.37.2 이전 릴리스까지의 버전을 다룬다. 이는 Responses 요청 인터페이스를 선택하는 responses: true가 설정된 커스텀 api_base 모델과 관련된다. 이를 -o chat_completions 1과 함께 실행하면 또 다른 요청 인터페이스인 Chat Completions로 전환됐고, OpenAI 자격 증명 기본값이 복원될 수 있었다.

문서화된 이 경로에서 자격 증명은 환경 또는 LLM에 저장된 OpenAI 키에서 올 수 있었다. 구성되고 저장된 제공업체별 키가 있으면 여기서 설명한 위임 유출은 피할 수 있었다. 두 권고문 모두 문제를 Moderate로 분류하며, 0.37.2를 패치 버전으로 명시한다. 이 등급이 두 조건을 경험한 설치본의 수를 보여주는 것은 아니다.

기술적 구분은 서로 다른 가정에 도전하는 오류이기 때문에 유용하다. 키 누락 사례는 구성에서 찾을 수 없는 비밀 값을 지정했을 때 어떤 일이 일어나는지 묻는다. 위임 사례는 실행이 다른 내부 구성 요소로 이동할 때 인증 규칙이 유지되는지 묻는다. 한 질문에 대한 올바른 답이 다른 질문까지 해결하지는 않는다.

가령 한 개발자가 워크플로를 다른 컴퓨터로 옮긴다고 가정해 보자. 모델 구성은 전달됐지만 제공업체 자격 증명은 전달되지 않았다. 작동하는 OpenAI 자격 증명은 여전히 환경에서 사용할 수 있다. 보안상 기대되는 동작은 누락된 제공업체 비밀 값이 요청을 차단하거나 제한하는 것이지, 어떤 계정 자격 증명이 장비를 떠나는지를 바꾸는 것이 아니다.

이제 서버를 수용하기 위해 요청 인터페이스를 변경하는 별도의 가상 워크플로를 생각해 보자. 대상은 그대로이며 사용자는 자격 증명 정책도 안정적으로 유지되기를 기대한다. 내부 전환이 누락된 키를 다른 제공업체 자격 증명을 사용할 권한으로 조용히 재해석해서는 안 된다.

이 사례들은 성공적인 응답이 부실한 보안 테스트인 이유를 설명한다. 생성된 출력은 주로 어떤 요청이 완료됐음을 사용자에게 알려 준다. 그 과정에서 이뤄진 모든 인증 결정을 드러내지는 않는다. 따라서 무해한 프롬프트도 명백히 의심스러운 답변을 만들지 않은 채 자격 증명 라우팅 문제를 동반할 수 있다.

제공업체 유연성에는 별도의 보안 의무가 따른다

OpenAI 호환성은 요청이 작동하는 방식을 설명할 뿐, 서버가 어떤 자격 증명을 받아야 하는지는 정하지 않는다.

더 넓은 갈등은 편리한 제공업체 전환과 명시적인 자격 증명 경계 사이에 있다. 개발자는 애플리케이션이 익숙한 요청 형식을 통해 여러 모델 서비스를 다룰 수 있을 때 이점을 얻는다. 이러한 편의가 대상 간에 상속된 기본값을 함께 전달할 때 보안 부담이 나타난다. 사용 가능한 비밀 값은 가용성이 권한을 대신할 때 위험해진다.

LLM의 커스텀 모델 구성은 추가 모델 엔드포인트 지원을 문서화한다. 이 유연성은 이번 사태의 배경이 된 유용한 기능이다. 제공업체 선택권을 없애면 제품을 축소해 특정 라우팅 문제는 피할 수 있겠지만, 사용자가 지원받기 위해 선택한 워크플로도 포기하게 된다.

Ollama는 OpenAI 호환성 문서에서도 OpenAI 클라이언트를 다른 모델 서비스에 연결하는 방법을 설명하므로 적절한 비교 대상이 된다. 로컬 예제는 로컬 서버가 무시하는 자리표시자 키를 제공한다. 반면 직접 클라우드 예제는 Ollama 자격 증명을 선택한다. 따라서 비슷한 요청 구문에도 서로 다른 인증 기대치가 따를 수 있다.

이 비교가 Ollama에 동등한 취약점이 존재한다는 뜻은 아니다. 이는 제공업체 호환성에 별도의 자격 증명 결정이 필요한 이유를 보여준다. 클라이언트는 요청 형식을 재사용하면서도 대상과 그 대상에 의도된 비밀 값을 명시적으로 선택할 수 있다. 보안 질문은 어느 제품이 가장 많은 모델을 제공하는지가 아니라 그러한 선택 간의 관계에 관한 것이다.

개발자에게 서버 주소 변경은 흔히 전송 방식의 조정처럼 느껴진다. 자격 증명 관점에서는 수신자를 바꾸는 일이다. 이 관점들은 애플리케이션 동작의 어느 지점에서는 만나야 한다. 그렇지 않으면 편의 설정이 평범한 모델 선택 환경설정처럼 보이면서 신뢰 관계를 바꿀 수 있다.

프롬프트와 별개로 의도된 수신자가 중요한 이유도 여기에 있다. 사용자는 공개 문단을 실험 서비스로 보내는 데 기꺼이 동의할 수 있다. 그렇다고 계정 자격 증명까지 그곳에 보낼 권한을 부여한 것은 아니다. 콘텐츠 민감도와 자격 증명 민감도는 같은 요청 안에서 이동하더라도 별도로 평가해야 한다.

같은 논리는 대상이 사용자의 조직에 속할 때에도 적용된다. 내부 소유권은 서버를 모델 트래픽에 적절한 장소로 만들 수 있지만, 사용 가능한 모든 비밀 값을 전송하기에 적절하게 만들지는 않는다. 서로 다른 팀, 보존 관행, 운영 책임은 여전히 보존할 가치가 있는 경계를 만든다.

엔터프라이즈 구매자에게 유용한 평가 질문은 구체적이다. 제공업체를 변경할 때 인증에 대한 명시적 통제가 유지되는가? 모델 이름을 바꾸고 좋은 답변을 생성하는 시연으로는 이 질문에 답할 수 없다. 구매자는 예상한 구성이 불완전할 때 어떤 일이 발생하는지를 포함해 대상별 자격 증명 동작에 대한 증거가 필요하다.

따라서 아키텍처상의 교훈은 호환성 계층을 불신하라는 말보다 더 좁고 실천 가능하다. 제공업체 유연성은 여전히 유용하다. 다만 의도된 대상과 함께 이동하고 요청 처리 변화에도 유지되는 인증 규칙이 필요하다. 누락된 결정이 관대한 기본값을 얻는 대신 계속 누락된 상태로 남을 때 편의 기능은 더 안전해진다.

개발자는 업데이트와 노출 검토를 분리해야 한다

수정본 설치는 향후 동작을 해결하지만, 이전 요청을 이해하려면 영향을 받은 워크플로를 별도로 검토해야 한다.

llm 0.37.2를 평가하는 사용자에게 첫 번째 구분은 소프트웨어 상태와 과거 사건 사이의 구분이다. 패치된 설치본은 공개된 결함을 재현하지 못하게 할 수 있다. 그렇다고 이전 설치본이 무엇을 전송했는지가 확인되는 것은 아니다. 반대로 이전 버전이라는 사실만으로 취약한 구성이 실제로 실행됐다는 뜻도 아니다.

비례에 맞는 검토는 관련 모델 구성과 실행 맥락에서 시작한다. 유용한 증거는 소프트웨어 버전, 대상, 자격 증명 소스, 사용된 옵션을 연결한다. 이 연결이 없으면 팀은 구체적인 공개 내용을 모든 개발자 장비가 같은 사건을 겪었다는 일반적 가정으로 대체할 위험이 있다.

동일한 워크플로가 여러 장소에 존재하면 작업은 조직 차원의 일이 된다. 노트북, 자동화 작업, 공유 개발 환경은 비슷한 구성 파일을 사용하더라도 서로 다른 비밀 값을 보관할 수 있다. 이를 서로 바꿔 쓸 수 있는 것으로 취급하면 검토 중인 정확한 조건이 흐려진다. 배포 맥락은 모델의 표시 이름만큼 중요하다.

자격 증명 교체는 의심되는 노출 이후 기존 비밀 정보가 계속 사용 가능해야 하는지라는 또 다른 질문을 다룹니다. 이는 라우팅 동작을 수정하는 일을 대신하지는 않습니다. 변경되지 않은 취약한 환경에 대체 자격 증명을 넣으면 근본 문제가 다시 발생할 수 있습니다. 완화 결정은 소프트웨어 수정과 이전 전송에 관한 증거를 연결해야 합니다.

검토를 통해 의도하지 않은 공개가 확인되면, 영향을 받은 자격 증명을 무효화하면 그 자격 증명의 지속적인 사용 가능성을 제한할 수 있습니다. 이 조치는 오용에 관한 주장과 분리되어야 합니다. 팀은 다른 당사자가 이를 악용했다고 단정하지 않고도 공개된 비밀 정보에 대응할 수 있습니다. 명확한 표현은 정확한 인시던트 기록을 유지하면서도 단호한 조치를 뒷받침합니다.

팀은 조사 자체를 또 다른 공개 채널로 만들지 않아야 합니다. 일반적으로 필요한 증거는 요청이 어떤 자격 증명 소스를 선택했고 어디로 전송되었는지에 관한 것입니다. 전체 비밀 정보를 티켓이나 공유 메모에 복사하면 원래 사건을 반드시 명확히 하지 못하면서도 추가적인 취급 의무가 생깁니다.

유용한 인시던트 기록은 발견 사항, 영향을 받은 환경, 완화 조치, 그리고 미해결 질문을 설명합니다. 이러한 세부 정보를 검색 가능한 engineering knowledge base에 보관하면 동료들이 워크플로가 변경된 이유를 이해하는 데 도움이 될 수 있습니다. 기록에는 자격 증명 값이 아니라 추론 과정과 구성 맥락을 보존해야 합니다.

내부 도구 유지관리자에게 이번 릴리스는 이 패키지를 넘어선 검토 대상도 제시합니다. 구성 가능한 대상과 기본 자격 증명을 결합하는 모든 애플리케이션은 그 경계에서 면밀한 검토가 필요합니다. 이는 공개된 실패 패턴에서 도출한 엔지니어링 추론일 뿐, 다른 애플리케이션도 이러한 취약점을 공유한다는 증거는 아닙니다.

당장의 우선순위는 구체적입니다. 영향을 받은 LLM 워크플로를 식별하고, 패치된 릴리스로 옮기며, 신뢰할 만한 노출 여부를 평가해야 합니다. 조사의 확대는 증거를 따라야 합니다. 범위가 좁게 규정된 보안 문제도 모든 호환 모델 클라이언트에 긴급 재구축이 필요하다는 주장으로 번지지 않으면서 신중한 조치를 정당화할 수 있습니다.

공개 내용은 버그를 입증할 뿐, 광범위한 악용을 입증하지는 않는다

재현 가능한 자격 증명 라우팅 결함은 실제 보안 실패를 입증하지만, 현실에서 발생한 오용의 규모를 측정하지는 못한다.

공개 내용은 식별된 조건에서 의도하지 않은 전송이 발생할 수 있다는 우려를 뒷받침합니다. 그러나 영향을 받은 사용자의 전체 규모를 제시하거나 조직적인 악용 캠페인이 있었다고 입증하지는 않습니다. 이는 서로 다른 종류의 발견입니다. 기술적 재현은 해당 실패를 보여줄 수 있지만, 그 실패가 테스트 외부에서 얼마나 자주 발생했는지는 밝히지 못합니다.

따라서 신중하게 따져야 할 질문은 범위입니다. 어떤 설치 환경이 해당 자격 증명을 보유했고, 영향을 받은 구성을 사용했으며, 트리거 경로를 실행했습니까? 공개만으로는 모든 사용자에 대해 이 질문에 답할 수 없습니다. 개별 환경은 대상이 외부, 내부 또는 로컬이었는지를 포함해 일반적인 릴리스 공지만으로는 얻을 수 없는 증거를 제공합니다.

자격 증명이 의도하지 않은 수신자에게 도달한 뒤에도 여러 결과가 가능합니다. 단순 수신은 보관, 이후 접근 또는 오용과는 다릅니다. 각각의 추가 주장은 뒷받침 증거가 필요합니다. 이러한 단계를 하나로 뭉뚱그린 보도는 인시던트를 더 확실한 것처럼 보이게 하는 동시에 실질적 영향을 평가하기는 더 어렵게 만듭니다.

반대 방향의 오류 역시 주의할 가치가 있습니다. 공개적으로 문서화된 악용 사례가 없다고 해서 의도하지 않은 전송이 전혀 없었다는 뜻은 아닙니다. 자격 증명 라우팅 결함은 누군가 금전적 손실이나 계정 활동을 입증하기 전에도 중요할 수 있습니다. 적절한 대응은 극적인 공개 인시던트를 기다리는 것이 아니라 공개된 동작과 사용자의 환경에 따라 결정됩니다.

Moderate 분류 역시 맥락이 필요합니다. 심각도 레이블은 권고문의 평가를 요약할 뿐, 모든 조직의 대응을 결정하지는 않습니다. 통제된 테스트 환경에서 범위가 좁은 자격 증명은 일상 자동화에 사용되는 광범위한 권한의 비밀 정보와 다른 결과를 초래합니다. 소프트웨어 결함은 같을 수 있지만 운영상 위험도는 다를 수 있습니다.

영향을 받는 버전 범위의 기간 또한 신중히 다뤄야 합니다. 이는 해당 동작을 포함하는 소프트웨어 릴리스를 식별할 뿐, 그 기간 내내 지속적인 노출이 있었다고 증명하지는 않습니다. 영향을 받은 릴리스를 설치했지만 관련 엔드포인트 경로를 사용하지 않은 사용자는 이를 반복적으로 사용한 사용자와 사실관계가 다릅니다.

키를 수신한 제공업체를 기본적으로 악의적이라고 볼 이유도 없습니다. 의도하지 않은 수신자는 합법적으로 운영될 수 있으면서도 결코 받아서는 안 되는 정보를 받을 수 있습니다. 결함은 클라이언트의 자격 증명 결정에 관한 것입니다. 수신자의 행위에 대한 주장은 별도의 증거가 필요합니다.

이 공개가 OpenAI 자체 서비스의 침해를 입증하는 것도 아닙니다. 설명된 문제는 자격 증명을 사용자 지정 대상으로 보내는 클라이언트 워크플로에 있습니다. 이러한 구분을 유지하면 독자가 책임이 있는 소프트웨어 경계를 식별하고 애플리케이션 통합 결함을 제공업체 인프라 인시던트와 혼동하지 않을 수 있습니다.

독자에게 가장 타당한 해석은 여전히 제한적입니다. 결함은 실제였고, 영향을 받은 경로는 구체적이었으며, 패치는 중요합니다. 미해결 질문은 특정 환경에서의 과거 노출입니다. 이러한 틀은 문서화된 구현 실패를 근거 없는 대규모 침해 서술로 부풀리지 않으면서 조치를 뒷받침합니다.

보안 패치 이후에 따라야 할 일

다음으로 유용한 증거는 도입 현황, 자격 증명 경계 테스트, 실제 노출 검토 결과에 관한 것이다.

첫 번째 신호는 영향을 받은 워크플로가 패치된 소프트웨어로 이동하는지 여부입니다. 향후 몇 달 동안 의미 있는 도입 증거에는 업데이트된 자동화 환경과 유지되는 설치 지침이 포함될 것입니다. 개발자가 개인 설치 환경을 업데이트하는 것은 유용한 진전이지만, 같은 도구를 사용하는 모든 예약 작업도 변경되었다는 뜻은 아닙니다.

영향을 받은 환경이 이전 버전에 남아 있다는 증거는 릴리스가 제공하는 실질적 안도감을 약화시킵니다. 식별된 워크플로 전반에서 업데이트가 완료되었다는 증거는 이를 강화합니다. 관련 측정 기준은 구성과 무관한 일반 다운로드 수가 아니라, 트리거 조건이 존재했던 곳에서의 완화 조치입니다.

두 번째 신호는 향후 테스트가 인증 경계를 어떻게 다루는지입니다. 이전 버그의 재발을 포착하도록 설계된 회귀 테스트는 완료 출력뿐 아니라 자격 증명 선택도 검토해야 합니다. 엔지니어링 질문은 구성이 불완전하거나 요청 처리가 변경될 때 대상별 규칙이 안정적으로 유지되는지 여부입니다.

더 강력한 증거는 지원되는 실행 경로 전반에서 이러한 경계가 유지됨을 보여줄 것입니다. 프롬프트가 답변을 받는지만 확인하는 테스트는 안도감을 덜 제공합니다. 호환성은 그대로 유지되는 동안 그 아래의 인증이 바뀔 수 있으며, სწორედ 그렇기 때문에 보안에 특화된 기대값은 유지보수 작업에서 명시적인 자리를 가질 만합니다.

세 번째 신호는 과거 노출에 관한 실증된 설명입니다. 유용한 발견은 의도하지 않은 전송을 보관이나 오용과 구분하고 영향을 받은 조건을 설명합니다. 이러한 보고는 실질적 결과를 더 명확히 할 것입니다. 그러한 보고가 없다는 것은 영향을 받은 모든 요청이 무해했다는 증명이 아니라, 그 결과가 불확실하다는 뜻입니다.

이러한 신호는 팀이 내부적으로 소통하는 방식에도 영향을 주어야 합니다. 상태 업데이트는 과거 검토를 열어 둔 채 영향을 받은 설치 환경이 패치되었다고 밝힐 수 있습니다. 악용을 주장하지 않고도 확인된 자격 증명 전송을 보고할 수 있습니다. 이러한 발견을 분리하면 이후 증거를 더 쉽게 반영할 수 있고, 초기 가정이 인시던트 서사로 굳어지는 일을 막을 수 있습니다.

제공업체 전환 기능을 구축하는 개발자에게 이번 릴리스는 지속적인 설계 질문을 제시합니다. 의도한 키를 사용할 수 없을 때 어떤 일이 일어나는가? 가장 안전한 답은 동작, 문서, 테스트에서 분명히 드러나야 합니다. 사용자의 주된 작업이 계속 평범하게 보일 수 있기 때문에 조용한 대체는 사용자가 알아차리기 어렵습니다.

AI 워크플로를 평가하는 구매자도 구현 세부 사항을 검토하지 않고 같은 질문을 할 수 있습니다. 어떤 자격 증명이 어떤 대상에 속합니까? 요청이 다른 지원 경로를 택하면 무엇이 바뀝니까? 애플리케이션은 불완전한 인증 구성을 어떻게 알립니까? 구체적인 답변은 광범위한 호환성 약속보다 더 큰 가치를 제공합니다.

llm 0.37.2를 제공업체 선택과 자격 증명 선택 사이의 경계를 검토해야 할 이유로 삼으십시오. 워크플로에서 사용자 지정 엔드포인트를 사용했다면 해당 구성과 실행 옵션을 권고문과 비교하십시오. 어떤 버전이 실행되었고 어떤 자격 증명 소스를 사용할 수 있었는지 확인하십시오. 영향을 받은 환경을 패치된 소프트웨어로 옮긴 뒤, 과거 노출 검토는 업데이트 완료와 분리해 유지하십시오. 증거가 의도하지 않은 공개를 입증하는 경우 애플리케이션뿐 아니라 자격 증명도 처리하십시오. 비밀 정보를 재현하지 않고도 동료가 이해할 수 있는 문서에 발견 사항을 보존하십시오. 유용한 결과는 무엇이 변경되었고, 무엇이 발생했으며, 무엇이 아직 알려지지 않았는지를 명확히 설명하는 것입니다. 팀은 각 모델 대상이 의도된 자격 증명만 받는 이유를 설명할 수 있습니까?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page