--- title: "클라우드 없이 엣지 AI끼리 상태를 맞추는 메시 기술이 나왔다" published: 2026-07-07T16:05:05.107Z canonical: https://jeff.news/article/4768 --- # 클라우드 없이 엣지 AI끼리 상태를 맞추는 메시 기술이 나왔다 인터시그널이 주권형 에지 AI용 보안 메시 기술인 브레이드 텐드릴 v0.8.2-알파를 공개했다. 원문 대화나 파일을 보내지 않고 384차원 잠재 벡터만 동기화하며, 서명 릴레이와 이중 검증, 8비트 양자화로 광역 네트워크까지 겨냥한다. - 인터시그널이 주권형 에지 AI용 메시 기술 브레이드 텐드릴 v0.8.2-알파를 공개함 - 개발자 프리뷰 성격의 알파 릴리스고, 기존 LAN 기반 UDP 실험을 광역 네트워크 환경으로 확장하는 데 초점을 둠 - 코드명은 텐드릴이고, 핵심은 클라우드 API나 중앙 모델 게이트웨이 없이 장치끼리 AI 상태를 직접 맞추는 것임 - 제일 흥미로운 부분은 원문 대화나 파일을 안 보낸다는 점임 - 텐드릴은 사람이 읽을 수 있는 원문 대신 AI 내부 상태를 384차원 잠재 벡터로 표현해 공유함 - 즉, 문서나 대화 로그를 네트워크에 태우는 게 아니라 AI가 작업 맥락을 유지하는 데 필요한 상태만 보내는 식임 - 민감 데이터가 많은 공공, 국방, 제조, 연구시설 쪽에서 이 접근이 꽤 현실적으로 들리는 이유가 여기 있음 > [!IMPORTANT] > 이번 릴리스는 384차원 RAW_F32 전송과 QINT8 8비트 양자화 코덱을 함께 제공함. QINT8은 벡터 패킷당 약 1,147바이트를 줄이면서도 RMSE 0.15 미만 복원 정확도를 목표로 함. - 광역 네트워크를 고려한 릴레이 구조도 들어감 - 장치 간 직접 UDP 연결이 어려우면 전송 관리자가 서명된 데이터를 RelayFrame에 넣고 MSG_RELAY_FORWARD 방식으로 중간 노드를 거쳐 전달함 - 중간 릴레이 노드는 내용을 해석하지 않고 전달만 수행함 - 모든 릴레이 데이터는 서명 정보를 유지한 채 이동해서, 중간 전달 과정에서 신뢰 경계를 완전히 풀어버리지 않음 - 보안 검증은 중간 노드와 최종 수신자 양쪽에서 이중으로 잡음 - 릴레이 노드는 전송 정책에 따라 신뢰 여부를 확인함 - 최종 수신 장치는 종단 간 전자서명 무결성을 다시 검증함 - 준비되지 않은 세션에서 온 상태 정보는 수신 단계에서 바로 폐기함 - 수신 파이프라인도 꽤 빡세게 설계돼 있음 - 최대전송단위 크기 제한을 먼저 확인하고, 와이어 프로토콜 버전, 서명 방식, 릴레이 프레임 처리 여부, 세션 게이트 상태를 순서대로 검사함 - 재전송 공격이나 순서 꼬임을 줄이기 위해 리플레이 원장도 포함됨 - 수신 측은 단조 증가 시퀀스 커밋으로 오래됐거나 중복된 패킷을 걸러냄 - 배포 패키지 무결성까지 챙긴 점도 개발자 입장에선 눈에 띔 - 이번 릴리스는 sha256sum -c 호환 매니페스트를 제공함 - 개발자가 내려받은 패키지 체크섬을 직접 검증할 수 있게 해서, 전송 프로토콜뿐 아니라 배포 파일 변조 여부까지 확인하는 구조임 - 이 기술의 포인트는 모델 성능이 아니라 분산 AI 운영을 위한 통신 계층임 - 클라우드 중심 생성AI는 중앙 모델을 호출하고 결과를 받는 구조가 기본임 - 하지만 폐쇄망, 공장, 원격 설비, 공공망처럼 데이터 반출이 제한되는 곳에서는 이 구조를 그대로 쓰기 어려움 - 텐드릴은 로컬에서 상태를 만들고, 압축하고, 서명하고, 검증한 뒤 필요한 장치로만 보내는 쪽을 택함 - 한국에서도 꽤 직접적인 맥락이 있음 - 공공·국방망, 스마트팩토리, 에너지 인프라, 스마트시티 운영 환경은 클라우드 사용이나 데이터 위치 통제가 민감함 - 온디바이스 AI와 산업용 에지 서버 수요가 늘면, 모델 배치만큼 상태 동기화와 전송 검증이 중요해짐 - 주권형 AI가 단순히 데이터를 국내에 두는 얘기가 아니라 네트워크, 보안, 패키징, 동기화까지 묶인 시스템 기술이라는 걸 보여주는 사례임 --- ## 기술 맥락 - 텐드릴이 원문 대신 384차원 잠재 벡터를 보내는 이유는 데이터 노출면을 줄이기 위해서예요. 대화 로그나 파일을 그대로 보내면 네트워크 부담도 커지고 민감 정보도 같이 움직이는데, 상태 벡터만 공유하면 장치 간 작업 맥락은 맞추면서 원문 이동은 줄일 수 있거든요. - QINT8 양자화를 넣은 것도 같은 맥락이에요. 에지 장치가 여러 지역에 흩어져 있으면 대역폭과 지연이 바로 비용이 되는데, 패킷당 약 1,147바이트를 줄이면서 RMSE 0.15 미만을 유지하려는 설계는 정확도와 전송량 사이의 타협점을 찾는 시도예요. - 릴레이 프레임과 최종 수신자 검증은 광역 네트워크에서 특히 중요해요. 공장이나 원격 설비처럼 장치끼리 직접 연결이 안 되는 경우가 많아서 중간 노드가 필요하지만, 그 노드를 완전히 믿어버리면 보안 모델이 무너지거든요. - 그래서 이 릴리스는 AI 기능 자체보다 운영 계층을 보여준다고 보는 게 맞아요. 상태를 어떻게 표현하고, 어떻게 줄이고, 어떻게 서명하고, 어떤 순서로 검증할지까지 정해야 실제 폐쇄망이나 산업 현장에 넣을 수 있어요. ## 핵심 포인트 - 원문 데이터 대신 384차원 잠재 벡터로 AI 상태를 공유함 - QINT8 양자화로 패킷당 약 1,147바이트를 줄이고 RMSE 0.15 미만 복원 정확도를 목표로 함 - 직접 연결이 어려운 환경을 위해 서명된 릴레이 프레임과 최종 수신자 검증을 넣음 - 폐쇄망, 공공, 국방, 스마트팩토리처럼 클라우드 전송이 어려운 환경에 맞춘 기술임 ## 인사이트 요즘 주권형 AI 얘기가 데이터 위치 문제로만 소비되는데, 이 기사는 그 아래에 실제로 필요한 통신 계층을 보여준다는 점이 재밌다. 모델보다 상태 동기화, 서명, 패킷 검증, 배포 무결성이 더 현실적인 병목일 수 있다.