거대 언어 모델LLM은 국방 환경에서 단순한 도구가 아니라 통제의 대상이 된다. 국방 환경에 LLM을 적용할 때 발생하는 구조적 리스크와 그 기술적·정책적 해결책을 총체적으로 분석하며, AI의 성능보다 보안, 책임, 신뢰가 왜 더 중요한지를 짚는다. 기술 만능주의를 경계하고 ‘루프 안의 인간Human-in-the-loop’이라는 통제 원칙을 수립하고자 하는 국방·안보 실무자와 정책 입안자에게 실무적인 지침을 제시하는 책이다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.
목차
국방 환경의 LLM 활용과 한계
01 국방과 LLM 02 군사 의사 결정 지원 리스크 03 할루시네이션 리스크 04 프롬프트 인젝션 공격 05 폐쇄망 환경의 데이터 보안 위협 06 모델 편향성과 전략 왜곡 07 전장 환경에서의 경량화와 실시간 추론 전략 08 폐쇄망 기반 LLM 운용 09 전술적 지원을 위한 신뢰성 확보 10 국방 AI 거버넌스와 책임성
작가 소개
작가이성호
고려대학교 화공생명공학과에 재학하며, 공학적 문제 해결 역량을 기반으로 인공지능 기술을 독자적으로 탐구해 온 AI 연구개발자다. 전공과는 별도로 머신러닝 및 대규모 언어모델LLM을 심층적으로 학습하였으며, ONNX 기반 모델 변환과 TensorRT 엔진 최적화 등 추론 성능 고도화 영역에서 구현 경험을 보유하고 있다. 공동 저자들과 함께 “국방 분야에서의 LLM 활용 문제점과 해결 전략”2024을 《국방과 보안》에 투고하였고, 2024 KADEX 미래육군 IIFA 포럼에서 발표하여 육군미래혁신연구단장상을 공동 수상하였다. 또한 AGI 시대에 대비한 기술적·사회적 대응 전략에 관심을 두고 있으며, 고도화된 지능 시스템 환경에서 인간과 AI의 역할 재정의와 안전성·책임성 문제를 탐구하고 있다.
