읽을 가치가 있는 기사만, 짧고 또렷하게.

인터지아(Inertia) 공동 창업자이자 CEO인 제프 로슨이 테크크런치 디스럽트 2026에서 다음 목표인 핵융합 에너지에 대해 논의할 예정입니다. 로슨은 소프트웨어 회사인 트윌리오(Twilio)를 성공적으로 성장시킨 경험을 바탕으로 이제 레이저 시스템과 핵융합 연료 타겟 제조를 목표로 하는 자본 집약적인 딥테크 회사인 인터지아를 이끌고 있습니다.

인터지아는 이미 베스머 사벤처 파트너스(Bessemer Venture Partners) 등이 주도한 4억 5천만 달러 규모의 시리즈 A 투자를 유치했으며, 연료 타겟 제조 공정과 레이저 기술 개발을 위해 캘리포니아에 본사를 설립했습니다. 이 과정에서 애플, 코닝, 웨이모 등 주요 기업의 리더들을 영입하여 제조 및 공급망 역량을 구축하는 등 구체적인 성과를 보이고 있습니다.

이번 세션에서는 소프트웨어 창업가로서 쌓은 경험이 핵융합 에너지와 같은 새로운 분야에서 어떻게 적용될 수 있는지에 대한 질문이 중심이 될 것입니다. 이는 단순히 기술적 돌파구를 넘어, 성공적인 비즈니스 운영에 필요한 리더십, 시간 계획, 자금 조달, 그리고 어려운 공학적 문제 해결에 대한 경험이 어떻게 전환되는지를 탐구하는 기회가 될 것입니다.

참가자들은 경험 많은 기업가로서 새로운 분야에 도전할 때 필요한 팀 구성, 신뢰할 만한 마일스톤 설정, 그리고 기술 발전과 상업적 잠재력 사이의 관계를 이해하는 데 유용한 통찰을 얻을 수 있습니다.

고차원 데이터 클러스터링은 비지도 학습의 기본 과제이며 다양한 분야에 적용됩니다. 중앙 집중식 데이터 환경에서는 딥 신경망 구조를 활용하여 클러스터링에 적합한 잠재 공간 표현을 학습하는 딥 클러스터링 방법이 일반적으로 사용됩니다. 그러나 데이터가 클라이언트 간에 분산되고 개인 정보 보호가 중요한 연합 학습(Federated Learning) 환경에서는 이러한 딥 클러스터링 방법이 덜 탐구되었습니다.

특히 최근에 제안된 연합 딥 클러스터링 방법들은 성능이 매우 유망함에도 불구하고, 클라이언트 간 데이터가 동일하게 독립적으로 분포되지 않는 비-IID(non-IID) 환경에서 좋은 성능을 안정적으로 제공하는 데는 한계가 있습니다. 이 논문은 이러한 문제를 해결하기 위해 연합 시나리오에 대한 딥 클러스터링 네트워크의 일반화인 FedDCN을 소개합니다. FedDCN은 재구성 손실(reconstruction loss)과 클러스터링 손실(clustering loss)을 동시에 최적화합니다.

FedDCN은 비-IID 데이터 환경에서 견고성과 잠재 공간 정렬을 보장하기 위해 합성 데이터 증강(synthetic data augmentations)을 생성하고 잠재 공간 정렬을 위한 기하학적 정규화(geometric regularization)를 학습 목표에 포함합니다. 실험 평가를 통해 이 접근 방식이 IID 및 비-IID 가정 하에서 효과적임을 입증했으며, 향후 연구 방향을 제시합니다.

시각 및 저시력 사용자는 낯선 실내 환경에서 물체를 찾고 물리적으로 획득하는 데 어려움을 겪습니다. 기존의 비전-언어 모델 기반 도우미는 의미론적 설명을 제공할 수 있지만, 지연 시간, 환각 현상, 그리고 신체화된 행동과 제대로 정렬되지 않은 안내를 초래할 수 있습니다.

이에 연구진은 시각-언어 이해와 지속적인 지역 공간 모델링을 결합하여 낮은 지연 시간의 신체 상대적 안내를 제공하는 무선 물체 획득 시스템인 Touvigation을 제시합니다. 이 시스템은 여덟 명의 시각 및 저시력 참가자와의 심층 인터뷰를 바탕으로, 사용자가 방향 설정, 걷기, 닿기, 촉각 확인 단계로 전환함에 따라 공간 참조를 조정하는 다단계 안내 프레임워크를 설계했습니다.

Touvigation은 12명의 시각 및 저시력 참가자를 대상으로 멀티모달 대규모 언어 모델 도우미 및 비보조 검색과 비교하여 평가되었습니다. 그 결과, Touvigation은 100%의 작업 성공률을 달성했으며, 이는 멀티모달 도우미의 58%와 비보조 검색의 85%보다 높았습니다. 또한, 이 시스템은 완료 시간을 단축하고 인지적 부담을 줄이는 효과를 보였습니다.

이 연구 결과는 지속적인 공간 접지(spatial grounding)와 적응형 신체화된 안내가 시각 및 저시력 사용자의 물체 획득 능력을 어떻게 개선할 수 있는지 입증합니다. 이는 신체화된 안내가 실제 환경에서의 상호작용을 통해 인지적 어려움을 해소하는 데 중요한 역할을 함을 시사합니다.

추측 디코딩은 여러 토큰을 병렬로 초안 작성하여 LLM 추론 속도를 높이지만, 트리 기반 방법은 계층적 구조를 통해 효율성을 더욱 개선합니다. 그러나 확률적 디코딩(T>0) 환경에서는 이 메커니즘이 초안 분포를 원-핫 확률로 붕괴시켜 수용률이 크게 감소하는 문제가 발생합니다. 이는 컨텍스트를 고려한 위상(topology)을 보존하기 위해 동적 트리 방법이 확률적 샘플링을 희생하는 반면, 정적 트리 방법은 컨텍스트에 무관한 구조를 유지하며 확률적 샘플링을 보존하는 상충되는 딜레마를 야기합니다.

이러한 문제는 트리 구조를 구성하는 작업과 토큰을 검증하는 작업에 동일한 확률 분포를 사용하기 때문에 발생하며, 이로 인해 무작위성 주입이 어렵습니다. 이를 해결하기 위해 RheoSampling은 역할을 분리하는 방식을 제안합니다. RheoSampling은 초안 분포에서 샘플링된 토큰에 대해 트리 확장 및 가지치기를 위한 대리 확률과 검증을 위한 실제 샘플링 확률을 동시에 할당합니다.

이 접근 방식은 동적 트리 방법 중 최초로 컨텍스트 인식적인 top-K 구성과 확률적 샘플링을 모두 유지하면서 손실 없는 보장을 제공합니다. 또한, 등가 클래스 분석을 통해 확률적 트리 공간을 처리하기 쉬운 클래스로 압축하고, OT 기반 검증 전략과 희소 초안 메커니즘을 사용하여 이론적 이점이 실제 효율성으로 전환되도록 보장합니다. 실험 결과는 다양한 LLM과 벤치마크에서 최첨단 동적 트리 방법보다 수용률과 속도 향상을 입증했습니다.

KDE 프로젝트가 30주년을 맞이하며 오스트리아 그라츠에서 열린 아카데미 컨퍼런스에서 AI 기반 데스크톱에 대한 제안이 발표되었습니다. 이 제안은 개인화된 AI가 사용자별, 장치별, 순간별로 컴파일될 수 있는 데스크톱 환경을 구상하며, 이를 위해 암호화되고 벤더에 구애받지 않는 개인 커널인 'Kadai'를 제안하고 있습니다.

이 제안의 핵심은 데스크톱 자체가 사용자에게 반응하도록 설계하는 것으로, Plasma가 각 활동(Activity)을 조립하는 기반이 되는 개념입니다. 이는 AI를 단순한 채팅 상자가 아닌 인프라로 취급하는 접근 방식을 의미하며, KDE가 AI를 시스템의 핵심 인프라로 통합하는 방향을 제시합니다.

하지만 이 제안은 논란의 여지가 있으며, 일부 참여자들은 이 아이디어가 'Resonant Computing Manifesto'와 유사하다고 지적하며 논쟁을 촉발하고 있습니다. 일부 개발자들은 AI가 데스크톱 경험을 극단적으로 개인화하는 것에 대해 우려하며, AI를 데스크톱에서 배제하고 싶은 경우 Sonic Desktop Environment의 진행 상황을 확인하라고 조언합니다.

KDE는 오랜 기간 FOSS 프로젝트로서 발전해 왔으며, 이번 논의는 데스크톱 환경에서 AI를 어떻게 통합할지에 대한 근본적인 질문을 던지고 있습니다. 이는 KDE 커뮤니티와 사용자들 사이에서 AI 통합의 방향성에 대한 다양한 의견이 충돌할 수 있음을 시사합니다.

BeanShell 3.0 버전이 개발 중이며, 오랜 기간 업데이트가 중단되었던 BeanShell에 대한 작업이 재개되었습니다. 이 업데이트는 BeanShell을 완전히 개선하고 최신 기능을 지원하는 것을 목표로 합니다.

BeanShell 3.0은 향후 개발자들이 필요로 하는 새로운 기능들을 지원할 예정입니다. 특히 람다(Lambdas)와 같은 주목받는 최신 기능들을 통합하여 스크립팅 환경을 더욱 풍부하게 만들 계획입니다.

이러한 업데이트는 Java 환경에서 경량 스크립팅을 수행하는 개발자들에게 중요한 의미를 가집니다. BeanShell3는 기존의 기능을 유지하면서도 현대적인 프로그래밍 패러다임을 반영하여 사용 편의성과 기능성을 향상시킬 것입니다.

클라우드플레어 퀵 터널은 개발자들이 로컬 애플리케이션을 인터넷에 안전하고 즉시 노출할 수 있는 무료 터널 서비스입니다. 이 기능을 사용하면 별도의 계정 생성이나 복잡한 설정 파일 없이 단 하나의 명령어로 로컬 서버나 API를 인터넷에 연결할 수 있습니다.

퀵 터널은 클라우드플레어의 글로벌 네트워크를 통해 트래픽을 라우팅하여 전 세계 어디서든 빠르고 안정적인 연결을 제공합니다. 개발자는 로컬 환경에서 실행 중인 웹 서버나 API를 포트(예: localhost:8000)에 구애받지 않고 터널로 공유할 수 있습니다.

보안 측면에서 퀵 터널은 기본적으로 보안을 제공하며, 자동 HTTPS, DDoS 방어, 그리고 기기에 노출되는 포트를 최소화하여 안전한 환경을 보장합니다. 이는 프리뷰 공유, CI/CD 통합, 그리고 팀 간의 빠른 협업을 위한 임시적이고 안전한 터널 환경을 구축하는 데 매우 적합합니다.

사용자는 cloudflared CLI를 설치하여 터널을 생성하고, 생성된 trycloudflare.com 프리뷰 URL을 팀원들과 공유하여 피드백 루프를 가속화할 수 있습니다. 이 서비스는 인증이나 DNS 설정 없이도 개발 아이디어를 전 세계에 신속하게 배포하고 공유할 수 있게 해줍니다.

연방 항소법원 제2순회부는 국경 수색 시 정부가 의심 없이 여행자의 전자 기기를 수색할 수 있다는 판결을 내렸습니다. 이 판결은 미국에서 가장 민감한 정보가 의심 없이 국경에서 수색될 수 있게 되어 표현의 자유, 프라이버시, 그리고 사생활 보호에 대한 우려를 낳고 있습니다.

이 결정은 미국 대법원의 수정헌법 제4조에 따른 영장 요구 사항과 표현의 자유에 대한 권리를 다루는 중요한 사안입니다. 기사에서 인용한 바에 따르면, 법원은 국경 수색 시 전자 기기를 수색하는 것에 대해 정부가 영장을 받아야 한다는 주장을 기각했습니다. 이는 국경 수색 예외 조항이 전자 기기 수색에 적용되지 않는다는 법적 주장을 받아들이지 않은 것입니다.

이 판결은 국경에서 수색된 휴대폰에 개인의 생각, 가족 및 친구 사진, 이동 기록 등 민감한 정보가 포함되어 있다는 점을 고려할 때 더욱 중요합니다. 이는 국경을 넘는 과정에서 개인의 디지털 프라이버시가 어떻게 침해될 수 있는지에 대한 심각한 질문을 제기하며, 정부의 디지털 감시 권한과 개인의 권리 사이의 균형에 대한 논쟁을 심화시킵니다.

트럼프 행정부는 AI 모델에서 이념적 편향을 제거하기를 원한다고 발표하며 개발자들에게 대통령의 세계관을 반영하도록 압력을 가하고 있습니다. 이러한 요구는 AI 모델의 공정성과 중립성에 대한 논의를 촉발하고 있습니다.

그러나 이러한 압력은 AI 개발 과정에서 새로운 편향이 발생할 수 있다는 비판을 낳고 있습니다. 개발자들은 특정 정치적 관점을 반영해야 한다는 요구에 직면하면서, 모델의 편향을 제거하려는 본래의 목표와 충돌하는 상황에 놓여 있습니다.

결국 이 정책은 AI 시스템의 편향을 줄이려는 시도와 더불어, 개발자들이 어떤 세계관을 반영해야 하는지에 대한 윤리적 딜레마를 제기합니다. 이는 AI 모델의 개발과 배포 과정에서 편향을 어떻게 정의하고 관리할 것인지에 대한 근본적인 질문을 던집니다.

보안 연구원들이 앤트로픽의 클로드 모델을 사용하여 오픈AI 시스템의 취약점을 악용했다는 사실이 밝혀졌습니다. 이들은 클로드를 통해 시스템의 취약점을 공격하여 직원 계정을 탈취하고 내부 코드 저장소에 접근하는 데 성공했습니다.

이러한 공격은 연구원들이 실제 취약점을 보고하기 전에 이미 내부 시스템에 침투하여 민감한 정보에 접근했다는 점에서 심각한 보안 문제를 시사합니다. 공격의 과정에서 사용된 클로드 모델의 역할과 오픈AI 시스템의 보안 구조에 대한 추가적인 분석이 필요합니다.

이번 사건은 대규모 언어 모델(LLM)을 활용하는 환경에서 모델 자체의 보안 취약점뿐만 아니라, 외부 모델을 활용한 공격 경로에 대한 방어 체계를 재점검해야 함을 강조합니다. 개발자와 사용자들은 LLM 기반 시스템을 구축할 때 데이터 유출 방지 및 접근 제어 메커니즘을 더욱 강화해야 할 필요가 있습니다.

TechCrunch Disrupt 2026 부스 예약 마감 시간이 오늘, 9월 18일 자정으로 종료됩니다. 스타트업이 10,000명 이상의 창업가, 투자자, 운영자, 기술 리더들 앞에서 자신의 제품을 선보일 수 있는 마지막 기회입니다.

이번 이벤트는 10월 13일부터 15일까지 샌프란시스코 모스콘 웨스트에서 열리며, 참가 스타트업들은 이 기간 동안 제품 시연, 벤처 캐피탈(VC)과의 만남, 잠재 고객 및 파트너와의 대화 등을 통해 네트워킹 기회를 얻을 수 있습니다. 부스 참가 패키지에는 3일간 사용할 수 있는 6피트 x 30인치 테이블, 팀 패스, Disrupt 앱 및 웹사이트를 통한 리드 생성 기회, 직접적인 VC 접근 권한 등이 포함되어 있습니다.

참가자들은 AI, 바이오테크, 핀테크 등 여섯 가지 산업 분야의 200개 이상의 세션에서 실질적인 통찰력을 얻고 AI 기반 매칭 시스템을 통해 더 관련성 높은 연결을 만들 수 있습니다. 또한 스타트업 배틀필드 200을 통해 다음 제품, 파트너 또는 투자 기회를 찾을 수 있습니다.

일반 티켓 가격은 9월 25일에 종료되므로, 가격 인상 전에 최대 200달러를 절약할 수 있습니다. 부스 참여를 통해 경쟁자들보다 먼저 투자자와 고객을 만날 수 있는 기회를 놓치지 마십시오.

칭화대학교의 닝 쉬(Ning Xu)가 니콘의 '스몰 월드 인 모션' 영상 콘테스트에서 우승했습니다. 그는 희귀한 유전성 호흡기 질환을 앓는 아동의 기도 내 섬모의 비정상적인 움직임을 초고해상도 영상으로 포착하여 수상했습니다.

이 연구는 선천성 섬모운동증(Primary Ciliary Dyskinesia, PCD)이라는 유전 질환과 관련이 있습니다. PCD는 폐를 포함한 신체 여러 부위의 호흡 기능에 영향을 미치는 유전 질환으로, 폐를 덮는 섬모는 점액, 먼지, 세균 등을 움직여 기침이나 재채기를 통해 배출하도록 돕는 중요한 역할을 합니다. PCD 환자의 경우 섬모의 크기, 모양, 또는 움직임에 이상이 생겨 이러한 자극 물질들이 축적되어 호흡기 감염과 같은 합병증을 유발할 수 있습니다.

이번 수상작은 현미경을 통해 관찰되는 미세한 생물학적 움직임의 복잡성과 아름다움을 영상으로 담아내는 기술의 중요성을 보여줍니다. 니콘의 '스몰 월드 인 모션' 콘테스트는 광학 현미경을 통해 관찰되는 사물의 아름다움과 복잡성을 사진이나 영상으로 기록하는 기술 발전을 장려하는 것을 목표로 합니다.

수십 년간 논쟁이 되어온 그래프 샌드위치 추측의 증명이 복잡한 네트워크를 이해하는 새로운 방법을 제시했습니다. 이 추측은 특정 그래프를 두 개의 더 단순한 그래프 사이에 수학적으로 엄밀하게 끼워 넣는 것을 다루며, 이를 통해 중간 그래프가 가진 중요한 속성들을 파악할 수 있게 합니다. 연구자들은 이러한 샌드위치의 존재를 증명함으로써, 서로 매우 다른 두 무작위 과정이 예상했던 것보다 훨씬 더 깊고 우아하게 연결되어 있음을 입증했습니다.

이 연구는 무작위 그래프의 종류를 연결하는 데 중점을 두었습니다. 이전에 연구된 이항 그래프(binomial graphs)와 정규 그래프(regular graphs)는 현실 세계 네트워크를 모델링하는 데 유용하지만 분석하기가 매우 어렵습니다. 연구자들은 이 두 종류의 무작위 그래프를 동시에 생성하는 단일한 무작위 과정, 즉 그래프 샌드위치 방법을 개발했습니다. 이는 이항 그래프의 속성을 정규 그래프에서 무료로 도출할 수 있게 하여, 복잡한 그래프의 속성을 더 쉽게 분석할 수 있는 기반을 마련했습니다.

현재 연구자들은 이 방법을 확장하여 이항 그래프와 정규 그래프의 교차 레이어를 채우는 등 더욱 복잡한 샌드위치를 탐구하고 있습니다. 이는 겉보기에 매우 다른 무작위 과정들이 얼마나 유사한지를 탐색하는 것으로, 그래프 이론과 확률론 분야에서 새로운 연결고리를 발견하는 데 기여할 것으로 기대됩니다.

HEIF Heist는 HEIF, HEIC, 또는 AVIF 이미지를 디코딩하는 서비스가 공격자 제어 이미지를 처리할 때 발생하는 원격 코드 실행(RCE) 취약점의 일련을 지칭합니다. 이 취약점은 애플리케이션 수준의 방어 메커니즘을 우회하여 메모리 손상, 데이터 노출, 또는 원격 코드 실행을 유발합니다.

이러한 취약점은 libheif나 libde265와 같은 네이티브 C/C++ 디코더 라이브러리 내부에 존재하기 때문에 특정 언어나 프레임워크에 국한되지 않는 광범위한 영향을 미칩니다. 공격자는 이미지 업로드 엔드포인트를 통해 대상 시스템의 libheif 버전을 식별한 후, 정확히 일치하는 페이로드를 전송하여 RCE를 발생시킬 수 있습니다.

이 취약점은 ImageMagick, libvips, Sharp와 같은 상위 레벨 래퍼나 컨테이너 기반 이미지에 간접적으로 포함되어 있어 Discourse, Next.js, GitHub Enterprise 등 광범위한 제품군에 영향을 미칩니다. 공격자는 이를 통해 다른 사용자의 데이터나 환경 변수, AWS 접근 토큰 등 민감한 정보를 유출할 수 있습니다.

해결책으로는 libheif v1.23.2 이상의 최신 버전과 libde265 업데이트를 적용하는 것이 권장됩니다. 또한, 향후 메모리 안전성 결함을 방지하기 위해 이미지 처리 파이프라인을 격리된 샌드박스 내에서 실행하거나, 불필요한 HEIF/AVIF 디코딩을 비활성화하는 방어 전략을 채택해야 합니다.

AI 챗봇이 사람들의 생각을 변화시키는 전문가가 되고 있다는 현상과 그 비밀에 대한 내용입니다. 이 기사는 인공지능 챗봇이 설득과 영향력 행사에서 어떤 역할을 수행하며, 그 작동 원리가 무엇인지 탐구합니다.

챗봇이 인간의 심리를 이해하고 맞춤형 대화를 통해 상대방의 의견이나 태도를 변화시키는 방식에 초점이 맞춰져 있습니다. 이는 단순한 정보 제공을 넘어, 복잡한 사회적 상호작용과 심리적 취약점을 분석하여 효과적인 설득 전략을 구사하는 능력을 의미합니다.

개발자 관점에서 중요한 것은 이러한 챗봇이 어떤 알고리즘과 데이터 처리 방식을 통해 인간의 인지 과정에 영향을 미치는지 그 메커니즘을 이해하는 것입니다. 챗봇이 어떻게 개인화된 프레이밍과 감정적 반응을 유도하는지 분석하는 것이 핵심입니다.

CrowdSec은 2026년 5월에 발생한 GitHub 비공개 소스 코드 유출 건에 대해 9월 16일에 통보를 받고 확인했습니다. 이 사건은 CrowdSec의 보안 관련 활동에 영향을 미쳤습니다.

CrowdSec의 조사 결과에 따르면, 이번 유출에서 고객 데이터나 로그인 정보는 유출되지 않았습니다. 또한 현재까지 횡적 이동에 악용될 수 있는 토큰이나 자격 증명 등의 유출도 발견되지 않았습니다.

이는 유출된 소스 코드 자체에 민감한 정보가 포함되어 있을 가능성이 있음에도 불구하고, 직접적인 사용자 정보나 시스템 접근 권한이 노출되지 않았다는 점에서 긍정적인 측면이 있습니다. 개발자들은 유출된 소스 코드의 내용과 잠재적인 취약점을 면밀히 검토하여 보안 조치를 취해야 합니다.

사이버 연구원들이 앤트로픽(Anthropic)의 소프트웨어를 사용하여 OpenAI 시스템에 침입한 사례가 보고되었습니다. 이들은 이 공격을 통해 OpenAI 직원 계정의 ChatGPT 접근 권한을 확보했으며, 이를 통해 민감한 소프트웨어 정보를 읽고 변경 사항을 제안할 수 있었습니다.

이 연구원들은 보안 전문가들을 위해 설계된 앤트로픽의 도구에 접근할 수 있었으며, 취약점을 악용되기 전에 발견하기 위해 보상금을 받고 작업을 수행했습니다. 이는 AI 안전성에 대한 조사가 증가하는 가운데, 주요 AI 기업의 보안 취약점에 대한 심각한 우려를 반영합니다.

이번 사건은 ChatGPT를 개발한 회사의 보안 취약점을 부각시키며, AI 분야의 선두 기업들이 안전 문제에 대한 면밀한 조사를 받고 있음을 시사합니다. 개발자들은 이러한 사례를 통해 AI 시스템의 보안 설계와 취약점 관리에 더욱 집중해야 할 필요가 있습니다.

크리에이티브 스튜디오와 빅 데이터의 음악 프로듀서가 협업하여 탄생시킨 패러디 프로젝트인 “Bezzy”가 실제 데이터 센터의 소리를 내뿜는 귀여운 인형이라는 내용입니다. 이 협업은 데이터 인프라와 예술, 음악이라는 이질적인 분야를 결합하여 대중에게 전달하는 방식으로 진행되었습니다.

Bezzy는 실제 데이터 센터의 소리를 발산하는 캐릭터로, 데이터 센터 운영의 물리적 측면을 음악적이고 시각적인 형태로 재해석하고 있습니다. 이는 데이터 인프라가 단순히 기술적인 영역을 넘어 창의적인 콘텐츠로 확장될 수 있음을 보여주는 사례입니다.

이 프로젝트는 데이터 센터의 존재와 작동 방식을 예술적 맥락에서 다루며, 기술과 미디어의 경계를 탐구하는 흥미로운 시도를 담고 있습니다. 개발자들에게 데이터 인프라가 어떻게 문화적 콘텐츠로 변환될 수 있는지에 대한 새로운 관점을 제공합니다.

Valen은 Rust 라이브러리를 직접 활용하여 언어 경계를 넘는 제네릭과 메모리 안전성을 지원하려는 실험적인 프로그래밍 언어입니다. 이 언어는 Rust 그래픽 라이브러리를 호출하여 첫 렌더링에 성공하는 성과를 보였습니다.

Valen은 기존의 C ABI를 통한 연동 방식 대신 rustc 내부 API와 컴파일러 패치를 활용하여 타입 시스템을 관리하고 연동성을 확보했습니다. 이는 언어 간의 복잡한 상호작용을 보다 안전하고 효율적으로 처리하기 위한 접근 방식입니다.

이러한 접근 방식은 Rust의 메모리 안전성을 유지하면서도 다른 언어와의 통합을 가능하게 한다는 점에서 주목받고 있습니다. 개발자들은 Valen이 Rust 생태계를 활용하여 언어 경계를 넘는 프로그래밍의 새로운 가능성을 제시할 것으로 기대합니다.

Rust 개발자들과 인기 크레이트 소유자들의 기기와 계정을 탈취하여 악성코드를 배포하려는 공격 캠페인이 진행 중인 것으로 추정됩니다. 이 공격은 특정 개발자 커뮤니티를 표적으로 삼아 보안 위협을 가하고 있습니다.

공격자들은 채용, 프로젝트, 계약 기회 등을 미끼로 화상 통화를 시도하며 개발자들을 속입니다. 이 과정에서 공격자들은 오디오 코덱 설치나 명령 실행을 유도하여 시스템에 악성코드를 침투시키려 합니다.

이러한 공격은 Rust 생태계의 구성원과 인기 크레이트 소유자들을 직접적으로 겨냥하고 있어, 개발자들의 개인 정보와 시스템 보안에 심각한 위협을 가합니다. 따라서 화상 통화나 외부 제안에 대해 항상 보안에 유의하고 의심스러운 요청은 거절해야 합니다.