안랩 2026 하반기 공채 자기소개서 샘플
AI 서비스 개발 직무
2026년 하반기 공채
체험형인턴
샘플
(체험형인턴) AI 서비스 개발 직무
1. 본인이 지원하는 직무에 관심을 갖게 된 계기와 이 직무를 수행하기 위해 어떤 노력을 했는지 작성해 주세요. (700자 이내)
이상 탐지 알고리즘을 공부하다가 보안 분야 AI의 가능성에 처음 관심을 가졌습니다. 규칙 기반 탐지 시스템은 알려진 패턴에만 반응한다는 구조적 한계가 있고, 머신러닝을 활용하면 정상 행동 범위를 학습해 미탐지 영역을 줄일 수 있다는 점이 흥미로웠습니다. 특히 보안은 오탐과 미탐 사이의 균형이 실제 운영에서 결정적이라는 점에서, 모델 성능이 단순 지표가 아닌 현장 판단으로 직결된다는 것을 의식하며 공부하게 됐습니다.
이후 졸업 프로젝트에서 네트워크 트래픽 데이터를 활용한 이상 행위 탐지 모델을 직접 구현했습니다. 데이터 불균형 문제로 초기 모델의 재현율이 낮았고, SMOTE 기반 오버샘플링과 앙상블 구조를 반복 실험해 F1-score를 초기 대비 19%p 개선했습니다. 성능이 정체되던 구간에서 문제를 모델이 아닌 전처리 파이프라인에서 찾아 재설계한 것이 전환점이었습니다. 이 과정에서 보안 AI 모델은 정확도보다 탐지 누락을 줄이는 방향으로 최적화해야 한다는 기준을 스스로 세우게 됐습니다.
Python과 PyTorch를 활용한 분류 모델 구현, FastAPI 기반 추론 서버 구성 등을 수행하며 모델 개발부터 서빙까지의 흐름도 직접 경험했습니다. 오탐률과 미탐률의 트레이드오프를 실제 보안 환경에서 어떻게 다루는지, 인턴십을 통해 현장 기준으로 익히고 싶습니다.
2. 그 밖에 본인에 대해 어필하고 싶은 부분을 자유롭게 작성해 주세요. (700자 이내)
저는 코드를 작성하기 전에 문제의 구조를 먼저 그리는 습관이 있습니다. 캡스톤 프로젝트에서 팀이 기능 구현을 시작한 뒤 통합 단계에서 반복적인 오류를 겪었는데, 원인을 추적해 보니 모듈 간 데이터 형식에 대한 공통 기준이 없었던 것이 문제였습니다. 저는 구현을 일시 중단하고 전체 데이터 흐름을 도식화한 뒤 인터페이스 명세를 먼저 정리하자고 제안했습니다. 이후 통합 테스트에서 오류 발생 빈도가 절반 이하로 줄었고, 팀원들도 각자 작업한 내용을 충돌 없이 연결할 수 있었습니다.
논리보다 속도를 먼저 요구받는 상황에서 기준을 먼저 만드는 것이 결국 전체 속도를 높인다는 점을 이때 배웠습니다. 보안 AI 서비스 개발도 마찬가지라고 생각합니다. 탐지 정확도를 높이려면 모델 선택보다 데이터 정의와 레이블 기준을 먼저 명확히 해야 하고, 빠른 배포보다 오탐과 미탐의 트레이드오프를 어떻게 설정할지 먼저 합의해야 합니다.
협업에서는 내가 이해한 것을 팀원이 같은 방식으로 이해하는지 확인하는 데 신경을 씁니다. 개발 중 생기는 오해 대부분은 구현 단계가 아닌 설계 단계의 해석 차이에서 비롯된다고 생각하기 때문입니다. 인턴십 기간 동안 안랩의 개발 환경에서 이 습관을 실무에 맞게 다듬어 나가겠습니다.
