iOS 보안 × Applied AI

심재빈Sim Jaebin

스틸리언에서 5년째 iOS 보안 솔루션을 만듭니다. AI가 개발의 경계를 넘는 지금, 그 AI를 실생활에 잘 녹여내는 개발자가 되려 합니다.

지금 하는 일

㈜스틸리언 iOS 보안 솔루션 팀 리드 2021.06~ · 5년차

iOS·앱 보안 SDK 5년 팀 리드 — 앱 바이너리(Mach-O) 가공, 코드 난독화, 위·변조 방어를 6개 제품·100+개사에 적용
SDK로 다진 추상화 설계 — 100여 개사가 내부를 몰라도 붙여 쓰는 보안 SDK를 만들며 익힌 인터페이스·계층 분리 감각을, 이제 AI에 적용: 검색·에이전트를 재사용 가능한 도구·커널로 추상화
사내 로컬 RAG·평가 체계 구축 — 임베딩·검색·생성을 직접 운영하고, 골든셋·LLM-as-judge로 품질을 측정·개선
프레임워크 없는 멀티에이전트 런타임 — LangGraph·AutoGen 없이 단독 설계, HITL·Fallback·관측성 내장, 품질을 git에 추적(EDD)

기술 블로그

전체 보기

개인 OSS

기억을 잃지 않는 멀티에이전트 런타임 (Glimi)

LangGraph나 AutoGen 같은 프레임워크를 사용하지 않고, 외부 의존성 없이 멀티에이전트 커널을 직접 구현했다. 5,000줄짜리 모놀리식 코드를 분리해 공용 커널을 추출했고, 두 애플리케이션이 동일한 런타임 위에서 동작하도록 구성했다. 품질은 git 기록 기반 EDD(eval-driven development) 방식으로 관리하며, gen‑1(69.4 FAIL)에서 gen‑11(85 PASS)까지 개선됐다. 개발 중 가장 큰 난관은 웹 턴(Web turn)이 동작하지 않던 런타임 버그였다.

Glimi
멀티에이전트
LLM
+2

AI·RAG

Ollama 4096토큰 안에 기억 욱여넣기

Ollama 로컬 모델의 기본 컨텍스트 길이는 4096토큰이다. 프롬프트가 이 한도를 넘으면 시스템 메시지나 메모리 섹션이 경고 없이 잘린다. 이는 모델이 GPU·RAM 용량에 맞춰 컨텍스트 예산을 고정하여 초과 입력을 원천 차단하는 구조적 설계 때문이다.

Elastic Memory
로컬LLM
ollama
+2

iOS·바이너리

배포된 iOS 앱에 동적 라이브러리 추가하기

공식 배포된 IPA를 추출한 뒤 내부 Frameworks 디렉터리에 dylib를 추가하고, Mach-O load command를 수정해 주입 라이브러리를 로드하도록 조작한 후 자체 인증서로 재서명해 실행하는 절차를 단계별로 보여준다. 해당 방식이 보안 SDK 삽입과 악성 코드 변조에 동일하게 활용될 수 있음을 짚고, 코드 서명 무결성 검증 및 재서명 탐지 기능으로 이를 방어하는 방법을 다룬다.

iOS
Mach-O
코드 서명
+2

AI·RAG

메모리 예산에 맞춰 RAG 모델 번갈아 올리기

GPU 클라우드를 쓸 수 없는 상황에서 제한된 RAM 장비 한두 대로 RAG 파이프라인을 구현한 과정. 임베딩, 리랭커, 생성 모델을 동시에 띄울 수 없을 때 메모리 예산을 기준으로 모델 적재·언로드·캐싱 전략을 설계하고 검증한 사례를 다룬다. 사내 TextRAG의 제약을 개인 이력서 챗봇 구현에서도 동일하게 재현하며 해결 과정을 구체적으로 기록했다.

RAG
로컬LLM
ollama
+1

iOS·바이너리

서명 깨지 않고 Mach-O 섹션 추가하기

기존에 서명된 IPA 바이너리를 재빌드 없이 수정하는 방법을 다룬다. Mach-O 파일 내부에 새로운 섹션을 삽입할 때 발생하는 오프셋 변위 문제와 그로 인한 문자열 참조 손상을 분석하고, 원본 오프셋을 유지한 채 임의 코드나 데이터(보호 SDK 등)를 삽입하는 무손상 레이아웃 방식을 설명한다. 섹션 추가 실패 시 적용 가능한 문자열 암호화 대체 전략도 함께 다룬다.

Mach-O
iOS 보안
binary instrumentation
+2

AI·RAG

방치된 맥스튜디오로 사내 RAG 만들기

외부 전송이 금지된 사내 환경에서 3년간 방치됐던 맥스튜디오를 활용해 임베딩, 리랭킹, 생성 모델 스택을 온프레미스로 구성한 과정. 코드·문서 유출 없이 검색 정확도를 높이기 위해 골든셋으로 recall@5 87%까지 튜닝했고, 완성된 RAG 엔진을 사내 검색, MCP 모듈, MR 리뷰봇에서 공용 인프라로 통합한 전체 설계와 검증 절차를 다룬다.