한국어 개인정보 탐지 모델 schift-ko-pii 오픈소스 공개

서류·음성·영상·도면 같은 비정형 입력을 인식 → 구조화 → 판정으로 연쇄 처리해 사람이 옮겨 적던 단계를 없앤다.

PAX 사례 34건이 이 부품을 쓴다

맥락

접수·심사(유형 ②), 서류 진위확인, 민원 통화 정리, 실시간 자막, 원격탐사·도면 판독처럼 비정형 입력이 업무의 출발점인 경우에 쓴다. 민감 서류가 많아 행정망·로컬 모델 조건이 자주 붙는다.

맞서는 힘(긴장)

• 자동 연결의 효율 vs 오인식이 판정으로 번지는 위험
• 인식 정확도 vs 로컬 모델 제약(E1·E5)
• 단계 분리의 추적 용이성 vs 단계 간 지연

해법

인식(OCR·STT·비전·VLM)은 정형 필드만 내게 하고, 기준정보와의 대조·요건 판정은 규칙 단계가 맡는다(B′1 + B′9). 저신뢰·불일치 건은 보류해 C1 검토 큐로 보내고, 오인식은 C3 상태 머신으로 되돌린다. 공공 문서 형식은 A10으로 받으며 OCR·STT 엔진은 A2 공통 후보를 쓴다. 제출 서류처럼 신뢰 불가 입력을 읽고 시스템 쓰기가 있으면 문서별 격리(S6)로 서류 속 지시가 판정을 바꾸지 못하게 한다.

이럴 때 쓴다

• 비정형 입력을 사람이 옮겨 적는 단계가 업무의 병목일 때
• 추출값이 규칙 판정·다음 처리로 이어질 수 있을 때
• 유형 ② 접수·심사 자동화의 기본 조립일 때

이럴 때는 쓰지 않는다

• 추출 결과가 초안으로 멈추고 사람이 확정할 때(B1)
• 추출 뒤 질의응답이 핵심 산출물일 때(B3)
• 상시 관측 스트림 감시가 핵심일 때(B5)

얻는 것

• 옮겨 적기 단계 제거
• 판정 기준이 규칙으로 남아 설명 가능
• OCR·STT 엔진을 범정부 공통으로 공유 가능

점검표

• 인식과 판정이 서로 다른 단계로 분리되어 있는가
• 저신뢰 건이 보류되어 사람에게 가는가
• 오인식 건을 되돌리는 경로가 있는가(C3)
• 필드별 정확도를 잰 시험 세트가 있는가

구조 — 참여 부품

• A10 문서 형식 어댑터 — PDF·HWPX·이미지 입력
• A2 모델 서빙 계층 — OCR·STT·VLM 엔진
• 규칙 대조기 — 기준정보와 대조하고 요건을 판정
• C1 검토 큐 — 저신뢰·불일치 건 확인
• C3 상태 머신·롤백 — 오인식 되돌림·재처리

변형

• OCR·서류: 제출 서류 필드 추출·요건 검토
• STT·음성: 통화·회의 음성의 텍스트화와 키워드 추출
• 비전 판독·정량화: 결함·손상 판독과 정량화(R5)
• VLM 문서이해(단일 모델): VLM 하나로 문서 이해·추출(R5)
• 배치 원격탐사·시계열 차분: 항공·위성 영상의 회차 간 변화 판독(R5)
• 통역(STT→MT→TTS): 음성 인식·번역·합성 연쇄(R5)
• CAD·BIM 도면 파싱: 도면에서 구조 정보 추출(R5)

참조 구현 예

• PAX 경기도의회 실시간 자막 — 개인 개발 → 기관 도메인 정식 개통(카드 참조 구현)

관련 부품

B′1 기본 배선 — 순차 파이프라인 · B′9 배선 — 인식은 추출만, 판정은 규칙 · C3 First 관문 — 오인식 되돌림 · S6 보안 짝 — 제출 서류별 격리 처리 · F9 이용자 쪽 대응 — 판정 근거 표시(위조 탐지는 관리자에게만)

참고 자료

Heiland Workflow Pipeline·AI Pipeline·Multi-layer · GoF Chain of Responsibility

이 부품과 이어지는 가이드라인

• 2026 인공지능 윤리기준 실천 자율점검표 과학기술정보통신부·KISDI, 2026.2.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

XGBoost·LightGBM·YOLO·U-Net처럼 기관이 직접 학습한 비LLM 예측·비전 모델을 서빙하고 재학습·버전 롤백이 붙을 자리를 제공한다.

PAX 사례 15건이 이 부품을 쓴다

맥락

B2 예측·추천기, B5 현장 감지·경보, B4 비전 판독의 추론 엔진이 된다. 서비스 유형 5a·10에서는 필수이고(R7, R10 'A2.5 또는 결정론 점수 엔진'), 유형 3에서는 A5·A2.2와 함께 셋 중 하나를 고른다. 학습 기준선(A1)이 먼저 있어야 한다.

맞서는 힘(긴장)

• 모델 성능 vs 설명 가능성(F9)
• 배포 후 데이터 드리프트 vs 재학습 비용
• 모델 교체 속도 vs 이전 안정판으로의 복귀 보장

해법

학습한 모델을 서빙 계층에 버전과 함께 올려 업무 부품이 점수·등급·탐지 결과만 받게 한다. 서빙 계층은 모델 버전과 드리프트 지표를 함께 내보내 C4에 기록하고, 재학습 파이프라인(C6)이 새 버전을 올리는 자리와 이전 안정판으로 되돌리는 자리(모델 버전 롤백, C7 변형)를 둔다. 재학습 버전은 C9 독립 시험세트에서 이전 버전을 넘을 때만 배포한다. 판정 근거는 F9로 이용자에게 보인다.

이럴 때 쓴다

• 기관이 자체 데이터로 비LLM 모델을 학습해 운영할 때
• 유형 5a-brief가 아닌 분석·위험 예측(유형 10)·현장 감시(유형 3) 조립
• 재학습과 버전 롤백이 필요한 예측·탐지 서비스

이럴 때는 쓰지 않는다

• LLM을 튜닝했으면 A2.3
• 벤더 장비·솔루션에 내장돼 기관이 모델을 못 바꾸면 A2.6
• 학습 없는 규칙 점수 엔진이면 B0(R10 대안)

얻는 것

• 비LLM 과제가 A2 계층에 정식 자리를 가짐
• 재학습·버전 롤백으로 운영 개선
• C6·C7을 끼울 자리 확보

점검표

• 모델 버전과 학습 데이터 버전이 짝지어 기록되는가
• 독립 시험세트가 학습 데이터와 분리되어 있는가
• 이전 안정판으로 되돌릴 수 있는가
• 재학습 버전 배포 기준이 수치로 있는가

구조 — 참여 부품

• A1 데이터 자산 서비스 — 학습·재학습 기준선
• A2 서빙 계층 — 모델 버전별 노출과 롤백
• C6 환류 파이프라인 — 재학습 주기·트리거
• C9 평가 세트 — 재학습 버전 배포 게이트
• F9 판정 근거·기여도 표시 — SHAP·BBox 등 근거를 이용자에게 표시

변형

• 정형 예측기: XGBoost·LightGBM 등으로 위험 순위·등급·수요를 예측한다(B2와 짝).
• 비전 탐지·분할: YOLO·U-Net 등으로 영상·이미지를 탐지·분할한다(B5·B4와 짝).
• 경량 온디바이스 모델: 소형 자체 학습 모델을 전처리 앞단에 붙인다(A2.5+S13 조합, 40M 파라미터 PII 검출 모델).

참조 구현 예

• PAX dcba0f654467bdc9 — 40M 파라미터 소형 자체 학습 PII 모델(§13 A2.5+S13 조합)

관련 부품

B2 소비처 — 예측·추천기의 추론 엔진 · C6 짝 — 재학습 파이프라인이 붙는 자리 · C7 짝 — 이전 안정판 복귀(모델 버전 롤백) · F9 이용자 쪽 대응 — 판정 근거 표시 · B5 소비처 — 현장 감지의 탐지 모델

참고 자료

GoF Strategy · Microservice 패턴 Blue-Green

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

사용 결과(수정·이의·오탐 기록)가 정해진 주기와 트리거로 재학습·기준 개정에 되돌아오게 해, 배포 후에도 성능과 기준이 개선되게 한다.

PAX 사례 3건이 이 부품을 쓴다

맥락

C4가 수정·이의·오탐을 기록하고 있는 B2 예측기, B4 인식 파이프라인, B5 감지·경보, 추천형 B1. 유형 ③ 현장 감시, ⑤a 분석, ⑩ 위험 예측, ⑪ 추천·매칭.

맞서는 힘(긴장)

• 개선 속도 vs 검증 비용(재학습마다 C9 재검증)
• 현장 피드백 반영 vs 피드백 오염·편향
• 자동 반영 vs 반영 범위 상한

해법

C4의 수정·이의·오탐 기록을 입력으로, 재학습 또는 기준 개정의 주기(예: 6개월)와 트리거(예: 일치율 임계 미만)를 수치로 정한다. 개정 전에는 C9 평가 세트로 재검증해 기준을 넘는 경우에만 배포하고, 개정 이력을 남긴다. 반영 범위에 상한을 두고 평가 기간에는 루프를 동결하는 조건도 정한다. 이용자 쪽에서는 F10 피드백이 입력이 된다.

이럴 때 쓴다

• C4에 수정·오탐 기록이 쌓이는 학습 모델 기반 부품
• 데이터 분포가 시간에 따라 바뀌는 감지·예측 업무
• 유형 ③⑤a⑩⑪처럼 C6가 필수인 유형

이럴 때는 쓰지 않는다

• B0 결정적 도구처럼 학습·개정할 모델·기준이 없을 때
• C4 기록과 C9 평가 세트가 없어 반영 결과를 검증할 수 없을 때(먼저 C4·C9)

얻는 것

• 배포 후 성능 개선
• 현장 기준 변화 반영
• Native 단계 진입 근거

점검표

• 주기·트리거가 수치로 정해져 있는가
• 환류 입력 데이터가 C4에서 나오는가
• 개정 전 재검증 절차가 있는가
• 실증 기간에 완결된 사이클이 1회 이상 기록되었는가

구조 — 참여 부품

• C4 감사 로그·지표 — 수정·이의·오탐 기록 제공
• 환류 규칙 — 주기·트리거·표본·임계값·반영 상한
• C9 평가 세트·회귀시험 — 재학습·개정 결과의 재검증
• F10 이용자 자기확인·피드백 — 이용자 쪽 피드백 입력

변형

• 주기 재학습: 정해진 주기로 수정 데이터를 모아 모델 재학습
• 전문가 판정 적재 플라이휠: 전문가 검수 결과를 Ground Truth DB로 적재해 재학습에 환류
• 프롬프트·기준 개정: 재학습 없이 피드백을 프롬프트·기준에 상한을 두고 반영
• 표본 대조 재조정: 주기적으로 표본을 전문가 판단과 대조해 일치율 미달 시 재조정

관련 부품

C4 입력 — 수정·이의·오탐 기록 · C9 재검증 단계 — C6의 재검증이 곧 C9 · F10 이용자 쪽 입력 — 자기확인·피드백 · C1 원천 — 검토 수정 내역 · A1 기록처 — 재학습 데이터셋

참고 자료

computer.org 지속 학습 · Gulli ch.9 Learning & Adaptation · Observer · State · PAX AIM06

이 부품과 이어지는 가이드라인

• 제조AI 2030 전략 산업통상부, 2026.6(2026.6.29 공개). 현행.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

외부로 전송하기 전에 단말·현장 서버의 소형 모델로 개인정보를 탐지·마스킹해 비식별 결과만 내보낸다. v0.6 후보 부품으로, 카드 없이 R4 한 줄 정의와 §13 레지스트리로만 등재되어 있다.

PAX 사례 5건이 이 부품을 쓴다

맥락

현장 기기(스마트글라스·CCTV)·업무 PC에서 만든 데이터를 서버·외부 LLM으로 보내는 구조, 공공문서 전처리 파이프라인의 앞단, 비식별·정제 도구(유형 13, D8.8). 카탈로그상 후보이며 위협 매트릭스·조립 템플릿에는 아직 들어가 있지 않다.

맞서는 힘(긴장)

• 외부 모델·클라우드 활용 vs 원문 유출
• 소형 모델의 단말 구동성 vs 탐지 누락
• 처리 지연(실시간 영상) vs 비식별 정확도

해법

데이터가 단말·현장 서버를 떠나기 직전에 소형 PII 탐지 모델(A2.5 자체 학습 모델 등)을 돌려 얼굴·개인정보를 마스킹하고, 비식별된 결과와 통계·이벤트만 전송한다. 원본은 현장에서 처리·종결하거나 원본과 분리해 보관한다. 탐지 누락에 대비해 수동 보완 절차를 두고, 외부 연결이 실패하면 로컬 처리로 되돌린다. 오프라인 모드를 강제하면 게이트를 우회한 전송을 막을 수 있다. ^[inferred]

이럴 때 쓴다

• 현장 영상·음성을 클라우드·중앙 서버로 보내는 감시 과제
• 공공문서를 외부 LLM(E2 해외 상용 API)에 보내기 전
• 비식별·정제 도구(유형 13)
• E5 S 등급 데이터를 A2.4 없이 외부로 보내야 할 때의 보완

이럴 때는 쓰지 않는다

• 데이터를 아예 외부로 보내지 않아도 되면 S12가 더 강함
• 이미 서버 쪽 비식별(C5)만으로 충분한 내부 전송
• 탐지 누락이 허용되지 않는데 수동 보완 경로가 없을 때 — 게이트만으로는 부족

얻는 것

• 외부 모델·클라우드를 쓰면서 원문 유출 축소
• 전송 데이터량 감소
• 원본을 현장에 남겨 데이터 주권 유지

점검표

• 게이트를 거치지 않는 외부 전송 경로가 없는가
• 탐지율 목표와 실측치가 있는가
• 누락 시 수동 보완 절차가 있는가
• 원본이 외부로 나가지 않거나 분리 보관되는가

구조 — 참여 부품

• A2.5 비LLM 학습 모델 서빙 — 경량 PII·얼굴 탐지 모델
• A5 엣지 추론 런타임 — 현장 기기·서버에서 비식별 실행
• 전송 게이트 — 비식별 결과만 외부로 통과
• C1 검토 큐 — 탐지 누락의 수동 보완

변형

• 엣지 영상 비식별형: 기기 단에서 얼굴 블러 후 휘발성 전송으로만 서버에 보냄
• 현장 서버 종결형: 원본 영상을 현장 서버에서 처리·종결하고 비식별 통계·이벤트만 클라우드로
• 문서 반출 전 점검형: 업무 PC 로컬의 한국어 PII 탐지 모델로 반출 전 점검
• 로컬 우선·선택 외부형: 기본 로컬 분석, 외부 LLM 연결 전 자동 마스킹, 실패 시 로컬 폴백

참조 구현 예

• PAX d33ebcfc0adca9f8 — 4천만 매개변수 한국어 탐지 모형 내장, 오프라인 모드 강제로 원본과 분리된 비식별 결과물(§13)
• PAX 8f7e23fec614657c — 100MB급 한국어 PII 탐지 모델을 업무 PC 로컬에서 돌려 반출 전 점검(§13)
• PAX c7e0862df664bbe5 — 로컬 분석 + 외부 LLM 선택 연결 + 연결 전 자동 마스킹 + 실패 시 로컬 폴백(§13)
• PAX dcba0f654467bdc9 — 40M 파라미터 소형 자체 학습 모델, 공공문서 전처리 앞단 로컬 비식별 게이트(§13, A2.5+S13 조합)

관련 부품

C5 짝 — 서버 쪽 비식별과 단말 쪽 게이트 · S12 대안 — 전송이 불필요하면 비도달 설계 · A2.5 끼울 자리 — 경량 PII 탐지 모델(A2.5+S13 조합) · D8.8 서비스 블록 — 보호·정제 · C7 보완 — 외부 연결 실패 시 로컬 폴백

참고 자료

카탈로그 §0 v0.6 개정표(S 부품 판정 전제) · 분류기준 R4

이 부품과 이어지는 가이드라인

• 챗GPT 활용방법 및 주의사항 안내 행정안전부, 2023.5. 공식 게시물 미확인(당시 보도로만 확인).
• 내부업무망 SaaS 망분리 예외 적용 보안 해설서 금융보안원, 2026.4(게시 2026.4.20).
• 공공 AX 프라이버시 보호 안내서 개인정보보호위원회, 2026.7(2026.7.23 제11회 과학기술관계장관회의에서 공개).
• 생성형 AI 개발·활용을 위한 개인정보 처리 안내서 개인정보보호위원회, 2025.8(게시 2025.8.6).
• AI 프라이버시 리스크 관리 모델 개인정보보호위원회, 2024.12(자료실 게시 2025.2.21).
• 생성형 AI 서비스 이용자를 위한 개인정보 보호 가이드 개인정보보호위원회, 2026.5(게시 2026.5.19).
• 가명정보 처리 가이드라인 개인정보보호위원회, 2026.3 개정(게시 2026.3.31).
• 제조AI 2030 전략 산업통상부, 2026.6(2026.6.29 공개). 현행.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

공유·전송 전에 개인정보를 비식별하고, 생성 코드를 보안 기준으로 점검하고, 파일을 이중 보관하는 내부 운영 블록이다. C5의 업무 블록 버전이다.

PAX 사례 18건이 이 부품을 쓴다

맥락

공유·전송·AI 투입 전에 자료를 보호하는 업무. 서비스 유형 13 비식별·정제 도구(D8.8 전용, 필수 C5·F7, R17)가 이 블록에 대응한다. PAX 18건(주 부품 B0 72%, B4 28%), 감사·법무 7건.

맞서는 힘(긴장)

• 비식별 강도 vs 자료의 활용도
• 로컬 처리(PII 서버 미도달) vs 모델 성능
• 자동 점검의 편의 vs 누락에 대한 과신
• 보호 도구 자체의 신뢰성 vs 검증 비용

해법

보호 조치를 자료가 기관 밖이나 모델로 나가기 직전에 둔다. 개인정보는 C5 비식별 전처리기로 거르되, 가능하면 단말에서 처리해 PII가 서버에 닿지 않게 하는 S12 데이터 비도달 설계나 S13 로컬 비식별 게이트(온디바이스 소형 모델)를 쓴다. 규칙으로 잡히는 항목은 B0 결정적 탐지로, 문맥이 필요한 항목만 소형 모델로 처리한다. 생성 코드 점검은 공공 보안 기준을 규칙 세트로 만들어 1차 린터로 돌리고 S9 샌드박스에서 실행한다. 결과에는 F7 한계("1차 점검", 누락 가능성)를 명시하고 C9로 탐지 누락률을 잰다.

이럴 때 쓴다

• 자료를 외부·AI로 보내기 전에 개인정보를 가려야 할 때
• 직접 만든 코드의 보안 기준 준수를 점검해야 할 때
• 보호 조치가 반복 업무로 담당자 시간을 쓸 때

이럴 때는 쓰지 않는다

• 비식별이 다른 도구의 내부 단계일 뿐이면 그 도구의 블록에 두고 C5만 태그
• 규정·서식 대조가 목적이면 D8.4
• 인수인계가 목적이면 D8.7(우선순위 높음)

얻는 것

• 외부 모델 활용의 전제 조건 확보
• 담당자 수작업 마스킹 절감
• 보안 기준 1차 점검의 일상화

점검표

• PII가 서버·외부 모델에 닿기 전에 걸러지는가
• 탐지 누락률을 재는가
• "1차 점검" 한계가 고지되는가
• 점검 규칙의 출처(보안 기준)가 명시되어 있는가

구조 — 참여 부품

• 담당자 — 보호 조치 결과를 확인하고 공유
• C5 가드레일·비식별 — 개인정보 탐지·마스킹
• B0 결정적 도구 — 규칙 기반 탐지·보안 린터
• S13 로컬 비식별 게이트 — 외부 전송 전 온디바이스 비식별
• F7 한계·신뢰도 안내 — 1차 점검임과 누락 가능성 고지

변형

• 비식별 전처리형: 문서·설문·엑셀의 개인정보를 가림(C5, S13).
• 생성 코드 보안 점검형: AI 생성 코드를 공공 보안 기준으로 1차 점검(vibecode-checker).
• 이중 보관·백업형: 파일을 이중 보관해 손실을 막음.

참조 구현 예

• vibecode-checker — 카탈로그 D8.8 카드 예: AI 생성 코드를 공공 보안 기준으로 점검하는 1차 보안 린터
• AI Survey Insight — 카탈로그 D8.8 카드 예: 설문 주관식 정리 도구
• VHLookup — 카탈로그 B0 카드 참조 구현: 엑셀 마스킹·병합

관련 부품

C5 부품 버전 — 비식별 전처리기 · S13 보안 부품 — 로컬 비식별 게이트 · S12 보안 부품 — 데이터 비도달 설계 · D8.4 이웃 블록 — 대조·점검 · 유형 13 대응 서비스 유형 — 비식별·정제 도구

참고 자료

카탈로그 §6 C5 카드 · 카탈로그 §2 v0.6 변경(S12·S13 후보 등재) · 카탈로그 §13 S12·S13 참조 구현

이 부품과 이어지는 가이드라인

• 가명정보 처리 가이드라인 개인정보보호위원회, 2026.3 개정(게시 2026.3.31).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

정부·공공이 운영하는 모델·데이터·개발 도구(범정부 AI 공통기반, 모두의 AI 실험실, 공공데이터포털, 공공 깃랩)를 범정부 Provider로 소비한다.

PAX 사례 154건이 이 부품을 쓴다

맥락

모델·공공데이터·법령 원문·개발 환경을 공공 플랫폼에서 가져올 수 있다면 어느 과제든 해당한다. §7.1 2단계 '기반 부품은 새로 만들지 말고 Provider에서 먼저 찾는다'가 바로 이 부품을 가리킨다. 유형 7(대조·점검)에서는 법령·기준 출처를 대는 필수 기반이다.

맞서는 힘(긴장)

• 공통 Provider 재사용 vs 기관 고유 요구 반영
• 공공 API 가용성·갱신 주기 vs 서비스 신뢰성
• 인가·검증 절차의 통제 vs 에이전트 루프의 병목(PAX 공공API 진단)

해법

기반을 새로 만들기 전에 범정부 AI 공통기반(모델), 공공데이터포털·법령 API(데이터), 모두의 AI 실험실·공공 깃랩(개발·실험 환경)에서 먼저 찾아 소비한다. 인증은 GPKI·디지털원패스 같은 연합 신원(Federated Identity)으로 위임하고, 공공 API 응답은 출처·조회 시각과 함께 업무 부품에 넘긴다. 에이전트가 부를 수 있게 하려면 A8 MCP 서버로 감싸고, 결과를 재가공해 기준선으로 고정하면 A1을 더한다. 기관이 만든 도구는 공공 깃랩에 등재해 다음 기관의 Provider가 되게 한다.

이럴 때 쓴다

• 모델·데이터·개발 환경을 기관이 새로 만들려 할 때 — 먼저 Provider 확인
• 법령·기준 원문을 최신으로 대조해야 하는 유형 7
• 여러 부서가 같은 기반을 따로 만들고 있을 때(X3 교정)

이럴 때는 쓰지 않는다

• 필요한 모델·데이터가 공공 Provider에 없을 때(만들고 레지스트리에 올림)
• 타 기관 데이터를 계약·키 매핑으로 결합하는 경우는 A4

얻는 것

• 기관별 중복 구축 방지(X3 교정)
• 공인된 원천 데이터·모델 사용
• 등재를 통해 전이 경로 확보

점검표

• 같은 기반을 기관 안에서 따로 만들지 않았는가
• 공공 API 응답의 출처·조회 시각이 결과에 남는가
• API 장애·변경 시 어떻게 되는지 답할 수 있는가
• 만든 도구가 공공 깃랩 등에 등재되었는가

구조 — 참여 부품

• 공공 Provider — 범정부 AI 공통기반·공공데이터포털·모두의 AI 실험실·공공 깃랩
• 연합 신원 인증 — GPKI·디지털원패스 등으로 호출 주체를 확인
• 소비 부품(B·A2·A8) — Provider를 직접 만들지 않고 가져다 씀
• S1 AI 게이트웨이·단일 진입점 — 공공 인증을 위임받아 호출을 통제

변형

• 공공 모델 Provider: 범정부 AI 공통기반(HCX-GOV-THINK) 위에서 모델을 소비한다. 온나라 AI 문서 분배기가 공통기반 RAG 위에서 돈다.
• 공공 데이터·법령 Provider: 공공데이터포털 OpenAPI·법제처 API 등을 실서비스 파이프라인에 상시 연동한다.
• 개발·실험 환경 Provider: 모두의 AI 실험실·공공 깃랩에서 개발하고 결과물을 등재한다.

참조 구현 예

• PAX 온나라 AI 문서 분배기 — 범정부 공통기반 RAG 위에서 접수 문서 배분(§6 A3 카드)
• PAX ef389de4efadc258 — 법제처 API로 매일 최신성 검증(§13 A3)
• PAX 3d07b6da99f5e1ed — 직제·시행규칙을 법령 API로 파싱·결합, 시행일 스냅샷 비교(§13 A3)

관련 부품

A2.4 짝 — 공통기반 모델을 내부망에서 경유 · A8 감싸는 층 — 공공 API를 MCP 도구로 · S1 인증 위임 — 공공 인증을 단일 진입점에 · A7 등재처 — 자체 제작 도구를 공공 깃랩에 · A4 경계 — 계약 기반 결합

참고 자료

patterns.dev Provider 패턴 · Microservice 패턴 Federated Identity·Access Token · PAX 공공API 진단 보고서

이 부품과 이어지는 가이드라인

• 공공데이터의 인공지능 친화적 관리 가이드라인 행정안전부·NIA, 2026. v1.1 개정 공지(2026.8.4).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

AI 산출물이 다음 단계로 넘어가기 전에 사람이 맞고 틀림을 확인·수정·확정하는 대기열을 두어, 오류가 업무 결과로 흘러가지 않게 한다.

PAX 사례 46건이 이 부품을 쓴다

맥락

AI 산출물이 공문·처분·대민 안내·기록으로 이어지는 모든 B 부품(B1 코파일럿, B4 인식 파이프라인, B2 예측기, B7 콘텐츠 생성기 등). 이용자 본인이 최종 확정자인 자기서비스형 도구도 포함한다(R16).

맞서는 힘(긴장)

• 정확성·책임성 vs 처리 속도(전건 검토는 자동화 이득을 깎는다)
• 검토자의 숙련 vs 자동화 편향(AI 결과를 그대로 승인하는 경향)
• 전건 검토의 안전 vs 위험도별 분기(C2)로 가야 하는 효율 압력

해법

AI 산출물에 신뢰도·근거를 붙여 검토 대기열에 올리고, 검토자가 승인·수정·반려 중 하나를 고르게 한다. 수정·반려 내역은 C4 감사 로그에 남겨 수정률을 집계하고 C6 환류의 입력으로 쓴다. 검토 화면은 원문 위치·근거를 함께 보여 줘 확인 비용을 줄인다. 전건 검토로 시작하되, 수정률 실측이 쌓이면 C2 위험도 라우터로 저위험 건을 자동 종결하는 단계로 옮긴다.

이럴 때 쓴다

• AI 산출물이 공문·처분·대민 안내로 그대로 이어질 때
• E4가 P1 이상이고 되돌리는 데 사람 시간이 많이 드는 조치가 있을 때
• 서비스 유형 ② 접수·심사, ④ 기안 코파일럿, ⑥ 콘텐츠 제작, ⑦ 대조·점검, ⑩ 위험 예측, ⑪ 추천·매칭, ⑫ 개발 코파일럿처럼 C1이 필수인 유형

이럴 때는 쓰지 않는다

• B0 결정적 도구처럼 런타임 AI 산출물이 없을 때
• 쉽게 되돌릴 수 있고 저위험인 조치를 이미 C2로 자동 종결하도록 실측 근거를 갖춘 구간(전건 검토를 영원히 남기지 않는다)

얻는 것

• 오류가 업무 결과로 나가기 전에 차단
• 책임 소재가 명확해짐
• 수정 내역이 C4 지표와 C6 환류의 원천 데이터가 됨

점검표

• AI 산출물이 확정 전 상태로 머무는 지점이 명시되어 있는가
• 검토자와 승인·수정·반려 선택지가 정해져 있는가
• 검토 결정과 수정 내역이 로그로 남는가
• 실증 기간의 검토·수정 건수가 기록되어 있는가
• 전건 검토에서 분기로 옮길 조건이 정해져 있는가

구조 — 참여 부품

• 검토 대기열 — AI 산출물을 확정 전 상태로 보관하고 검토자에게 배정
• 검토자(담당자 또는 이용자 본인) — 승인·수정·반려를 결정하는 최종 책임자
• F2 편집 가능한 출력 — 검토자가 산출물을 직접 고치는 화면
• C4 감사 로그·지표 — 검토 결정과 수정 내역을 적재해 수정률로 집계

변형

• 전건 검토형: 모든 AI 산출물을 담당자가 확인·확정
• 예외 검수형: 정상 건은 일괄 승인하고 저신뢰 항목만 개별 검수하는 검수 UI
• 파이프라인 내장 관문형: 멀티에이전트·다단계 파이프라인의 각 관문에 승인·보완·재작성 선택지를 둠
• 자기서비스형: 이용자 본인이 최종 확정자인 HITL. 실제 운영 중이면 C1 present(R16)
• 심의 게이트: 팩트체크·법무·윤리처럼 제3자 전문가가 수행하는 승인 게이트

참조 구현 예

• PAX 9dc1a7081bc869b1 — 광진구 — 담당자·팀장 최종 판단 책임 등 4대 관리 원칙 명문화

관련 부품

C2 다음 단계 — 전건 검토에서 위험도 분기로 승급 · C1.2 변형 — 제3자 전문가 심의 게이트 · F2 이용자 쪽 대응 — 검토자가 직접 고치는 화면 · F6 이용자 쪽 대응 — 에이전트 행동 실행 전 확인 · C4 기록처 — 검토 결정·수정 내역 · C6 후속 — 수정 내역이 환류의 입력

참고 자료

Google ADK HITL · Gulli ch.13 Human-in-the-Loop · Towards AI 동기·비동기 HITL · Chain of Responsibility

이 부품과 이어지는 가이드라인

• 공공기관 신뢰가능 AI 구현 실용가이드 NIA, 2019(게시 2019.12.30).
• 금융분야 인공지능 가이드라인 금융위원회, 2026.6.22 시행(보도 2026.6.18).
• 금융분야 AI 위험관리프레임워크 금융감독원, 2026.6.
• 자동화된 결정에 대한 정보주체 권리 안내서 개인정보보호위원회, 2024.9. 공식 게시물 미확인(2024.9 보도로 확인).
• 고영향 인공지능 사업자 책무 가이드라인 과학기술정보통신부, 2026.1.
• 신뢰할 수 있는 인공지능 개발 안내서 과학기술정보통신부·TTA, 일반 2023·2024년판, 분야별 2023~2024.
• 인공지능 개발과 활용에 관한 인권 가이드라인 국가인권위원회, 2022(2022.4.11 전원위원회 의결). 공식 게시물 미확인(2022.4.17 보도로 확인).
• 생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서 문화체육관광부·한국저작권위원회. 4종 모음 게시물에 수록.
• KS X ISO/IEC 22989 인공지능 개념 및 용어, KS X ISO/IEC TR 24028 인공지능의 신뢰성 개요 국가기술표준원 고시 제2023-0612호, 두 표준 모두 발행 2023.12.14. 각각 ISO/IEC 22989:2022, ISO/IEC TR 24028:2020과 일치(IDT).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

개인정보·환각·편향·형식 오류가 프롬프트나 산출물에 들어가지 못하게 시스템이 경계에서 걸러낸다. 비식별 전처리, 출처 검증, 구조적 출력 제약이 대표 변형이다.

PAX 사례 44건이 이 부품을 쓴다

맥락

외부 모델을 부르거나 대민에 답하는 모든 B 부품. 특히 E2 해외 상용 API, E5 S 이상 데이터, B3 지식 접지 상담, 유형 ① 대민 상담, ④ 기안, ⑥ 콘텐츠, ⑦ 대조·점검, ⑨ 인수인계, ⑬ 비식별·정제 도구.

맞서는 힘(긴장)

• 차단의 엄격함 vs 과잉 차단으로 인한 유용성 저하
• 비식별 강도 vs 문맥 보존
• 결정적 검증의 신뢰성 vs 구현 범위

해법

프롬프트가 기관 밖으로 나가기 전 PII를 마스킹하고 원복 키를 보관하는 비식별 전처리기를 둔다. 응답에는 인용을 원본(법령정보센터·통계표 등)과 대조하는 출처 검증기와, JSON 스키마·허용 목록 같은 구조적 출력 제약을 건다. 근거가 없으면 답하지 않거나 '확인 필요'로 표시한다. 차단 사유는 C4에 남기고, 이용자에게는 F1 출처와 F7 한계 안내로 보인다. 사람이 하는 팩트체크·법무 심의는 C5가 아니라 C1.2에 둔다.

이럴 때 쓴다

• E2 해외 상용 API로 행정망 본문이 외부로 나갈 때(필수)
• E5 S 이상 개인정보·민감정보를 다룰 때
• B3 대민 응답처럼 인용·수치의 정확성이 신뢰의 핵심일 때
• C5가 필수인 유형 ①④⑥⑦⑨⑪⑬

이럴 때는 쓰지 않는다

• E1 로컬 PC 완결로 데이터가 밖으로 나가지 않을 때 비식별은 불필요해질 수 있다(§5 매트릭스, 단 출처 검증은 별개)
• 사람이 수행하는 심의만 있을 때(C1.2로 태그)
• 적대적 입력 탐지가 목적일 때(S8)

얻는 것

• 개인정보 외부 유출 차단
• 환각 인용 감소
• 상용 API 사용 조건 충족

점검표

• 외부 전송 전 무엇이 걸러지는지 답할 수 있는가
• 인용이 원본과 대조되는가
• 근거 없을 때의 동작이 정해져 있는가
• 차단 사유가 기록되는가

구조 — 참여 부품

• 비식별 전처리기 — 외부 전송 전 PII 마스킹과 원복
• 출처 검증기 — 인용을 원본과 대조해 환각을 걸러냄
• 출력 제약 — 스키마·허용 목록·금칙어로 출력 형식 제한
• F1 출처 표시 — 검증된 출처를 이용자에게 보임

변형

• 로컬 비식별 전처리기: 외부 전송 전 PII 마스킹·원복(PAX에서 독립 부품으로 확인)
• 출처 검증기: 인용을 법령정보센터·KCI·CrossRef 원본과 대조
• 구조적 출력 제약·스키마 검증: JSON 스키마·허용 목록으로 출력 범위를 고정(v0.6 식별 신호 추가)
• 근거 재대조형 환각 검증: 추출값의 근거 문장을 원문에서 재대조해 '문서확인/AI추정/문서에없음'으로 재분류

참조 구현 예

• PAX Korean Stats MCP — KOSIS 통계 출처 자동 인용

관련 부품

F1 이용자 쪽 대응 — 검증된 출처 표시 · F7 이용자 쪽 대응 — 근거 없을 때 한계 안내 · A2.4 짝 — 민감정보 외부 유출 대응 · C1.2 구분 — 사람이 하는 심의 · S8 구분 — 적대적 입력 탐지 · S13 변형 후보 — 로컬 비식별 게이트

참고 자료

Fowler Guardrails · InfoQ Output Guardrails·Model Critic · Gulli ch.18 Guardrails · Heiland 규칙 기반 안전장치 · Proxy · Decorator

이 부품과 이어지는 가이드라인

• 금융분야 인공지능 보안 안내서 금융보안원, 2026.6(게시 2026.6.19).
• 공공 AX 프라이버시 보호 안내서 개인정보보호위원회, 2026.7(2026.7.23 제11회 과학기술관계장관회의에서 공개).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

AI가 무엇을 못 하는지, 얼마나 확신하는지, 공식 판단이 아님을 이용자가 볼 수 있는 곳에 적어 과신을 막는다.

PAX 사례 63건이 이 부품을 쓴다

맥락

대민 상담·안내(유형 ①), 대조·점검(⑦), 분석·예측(5a·⑩), 비식별 도구(⑬). 대체 경로로 운영 중인 C7 상황.

맞서는 힘(긴장)

• 정직한 한계 고지 vs 서비스 신뢰도 하락 우려
• 신뢰도 수치 표시의 정확성 vs 이용자 이해

해법

화면에 사용 한계(대상 범위·미검증 항목·처리 시간), 신뢰도, '공식 판단 아님' 고지를 결과 옆에 배치한다. 저신뢰 결과는 표시를 달리하고, C7 대체 경로로 운영 중이면 품질 저하를 알린다. 고지 문구는 법률 자문·유권해석을 대체하지 않는다는 점을 분명히 적는다.

이럴 때 쓴다

• 대민 서비스 D1~D7(F1·F2·F7 최소 요건)
• 유형 ①⑦5a⑩⑬처럼 F7이 필수인 유형
• C7 대체 경로 운영 중

이럴 때는 쓰지 않는다

• 유형 ①·⑦에서 model_dependency가 없음(비LLM)이면 필수에서 면제(R7). 단 비LLM 도구도 한계 고지는 권장된다

얻는 것

• 과신·오인 방지
• 기관 책임 범위 명확화

점검표

• 이용자가 '공식 판단이 아님'을 결과 화면에서 읽을 수 있는가
• 사용 한계가 명시되어 있는가
• 저신뢰 결과가 구분 표시되는가

구조 — 참여 부품

• 고지 문구 — 사용 한계·공식 판단 아님
• 신뢰도 표시 — 결과별 확신 수준
• C7 폴백 스위치 — 대체 경로 운영 여부 제공

변형

• 공식 판단 아님 고지: '유권해석 아님'·'참고용' 고지
• 신뢰도 표시: 결과별 신뢰도·등급 표시
• 미검증 항목 열거: 검증되지 않은 조건·처리 시간을 명시

참조 구현 예

• 소방기술민원 답변생성기 — '유권해석 아님' 고지
• PAX 9998aba2d1f55c24 — 비공식 참고 도구·공식 판단 아님 고지와 원문 연계를 함께 갖춘 자가점검 UI
• PAX 759835514b4b7ca4 — README가 미검증 항목을 열거하고 '최종 판단은 항상 사람' 고지
• PAX 6c0fa4c0c3508ff0 — 처리 시간과 라이선스 동의 절차를 정직하게 고지한 온디바이스 비전 도구
• PAX aef95509b7611c96 — 비LLM 스크리닝 도구가 실제 검토를 대체하지 않음을 화면에 명시
• PAX 0a2535cadf2d621a — 법률 자문·안전 인증을 대체하지 않는다는 한계 고지

관련 부품

C7 시스템 쪽 대응 — 대체 경로 운영 중 안내 · F1 짝 — 이용자 신뢰의 실체 · F9 짝 — 판정 근거와 함께 표시(F9+F7 표준형) · C5 짝 — 근거 없을 때의 동작

참고 자료

InfoQ Contextual Guidance · aiuxpatterns Inline Help

이 부품과 이어지는 가이드라인

• 공공기관 신뢰가능 AI 구현 실용가이드 NIA, 2019(게시 2019.12.30).
• 인공지능 투명성 확보 가이드라인 과학기술정보통신부, 2026.1.
• 신뢰할 수 있는 인공지능 개발 안내서 과학기술정보통신부·TTA, 일반 2023·2024년판, 분야별 2023~2024.
• KS X ISO/IEC TS 4213 기계 학습 분류 성능에 대한 평가 국가기술표준원 고시 제2025-0413호, 발행 2025.10.30. ISO/IEC TS 4213:2022와 일치(IDT).
• KS X ISO/IEC 22989 인공지능 개념 및 용어, KS X ISO/IEC TR 24028 인공지능의 신뢰성 개요 국가기술표준원 고시 제2023-0612호, 두 표준 모두 발행 2023.12.14. 각각 ISO/IEC 22989:2022, ISO/IEC TR 24028:2020과 일치(IDT).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

검색 결과·첨부·API 응답을 읽은 모델이 그 안의 문장을 새 명령으로 받아 도구를 부르는 구조를, 탐지 필터 하나로 지키려는 함정이다.

맥락

E4가 P2 이상(시스템 쓰기·처분 보조)이면서 민원 입력·제출 서류·웹 문서·타 기관 API 응답 같은 신뢰 불가 입력을 읽는 에이전트. 특히 B6·5b 데이터 에이전트.

맞서는 힘(긴장)

• 범용 에이전트의 유연성 vs 신뢰 불가 입력 뒤의 행동 제약
• 단일 LLM 구조의 단순함 vs 격리·계획 고정의 설계 비용
• 탐지 필터의 손쉬움 vs 증명 가능한 보증

해법

과제의 AI가 읽는 입력 중 기관 밖에서 작성된 것을 untrusted_inputs로 나열하고, §4.2 신뢰 불가 입력 규칙대로 S4 행동 선택기(미리 정한 행동 중 선택만, 결과가 LLM으로 돌아가지 않음), S5 계획 후 실행(외부 데이터를 읽기 전에 도구 호출 계획을 고정), S6 격리 LLM(도구 있는 LLM은 외부 데이터를 읽지 않고, 읽는 LLM은 도구가 없음) 중 하나를 갖춘다. S3 컨텍스트 방화벽과 S8 독립 검증기는 보조로 붙이되 S8만으로는 규칙을 충족하지 못한다. C8 승인 게이트도 신뢰 불가 입력 규칙의 대체 통제로 인정되지 않는다(R6). 그 전 단계에서는 E4를 P0~P1 읽기·산출물 범위에 묶어 두는 것이 곧 보안이다.

이럴 때 쓴다

• E4가 P2 이상이고 untrusted_inputs가 비어 있지 않은데 S4·S5·S6이 모두 없다(신뢰 불가 입력 규칙 위반)
• 외부 문서를 읽는 LLM이 같은 컨텍스트에서 쓰기 도구를 호출할 수 있다
• 인젝션 대책이 탐지 필터·프롬프트 경고문뿐이다
• 읽은 텍스트 중 어떤 것이 어떤 도구를 부를 수 있는지 답하지 못한다

이럴 때는 쓰지 않는다

• E4가 P0~P1로 읽기·산출물 생성에만 묶여 도구 호출·시스템 쓰기가 없는 경우(S4·S5·S6 판정 전제 불충족, R6)
• S4·S5·S6 중 하나가 구조적으로 갖춰진 경우(보안 목적 서술이 없어도 구조가 일치하면 충족)
• AI가 읽는 입력이 모두 기관 내부에서 작성된 경우

얻는 것

• 단일 LLM 범용 에이전트로 구조가 단순하다
• 새 입력·새 도구를 자유롭게 붙인다

점검표

• untrusted_inputs가 나열되어 있는가
• 신뢰 불가 입력을 읽은 LLM이 쓰기 도구를 직접 부를 수 없는가
• S4·S5·S6 중 하나가 구조로 구현되어 있는가
• S8 탐지를 유일한 방어로 두지 않았는가

구조 — 참여 부품

• S4 행동 선택기 — LLM이 정해진 행동 중 선택만 하게 제약
• S5 계획 후 실행·코드 후 실행 — 외부 데이터를 읽기 전에 도구 계획 고정
• S6 격리 LLM·맵리듀스 — 읽는 LLM과 도구 있는 LLM을 분리
• S8 독립 검증기·이중 심판 — 보조 탐지. 단독으로는 보증이 아님

변형

• 문서 속 지시: 첨부·제출 서류 안의 문장대로 에이전트가 도구를 호출
• API 응답 오염: 타 기관 API·웹 검색 결과에 섞인 지시가 후속 행동을 바꿈
• 탐지 단독 방어: 인젝션 탐지 필터(S8) 하나만 두고 구조적 제약이 없음

관련 부품

S6 대체 — 읽는 LLM과 도구 있는 LLM 격리 · S5 대체 — 외부 데이터 읽기 전 계획 고정 · S4 대체 — 정해진 행동 중 선택만 · S3 보조 — 신뢰 구역 분리 표기 · S8 보조 — 탐지(단독으로는 보증 아님) · S10 기록처 — 사고 재현

참고 자료

Beurer-Kellner 외(2025) 지도 원칙 '신뢰 불가 입력을 읽은 뒤에는 그 입력이 결과적 행동을 촉발할 수 없도록 제약' · Beurer-Kellner #1 Action-Selector, #2·#5 Plan-Then-Execute, #3·#4 Dual LLM

이 부품과 이어지는 가이드라인

• 인공지능 위험 사례집 국가정보원, 2025.11(게시 2025.11.20).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

진위 판정 근거를 이용자 화면에 그대로 보여 줘 위조범이 탐지 기준을 역추적하게 만드는 함정이다. F9 근거 표시가 적대적 접점에서는 취약점이 된다.

맥락

D3 자격·심사, D2 접수·제출에서 제출 서류·이미지의 진위를 판정하는 B4 인식 파이프라인·B2 분류기. 이용자 중 일부가 탐지를 회피하려는 동기를 가진 경우.

맞서는 힘(긴장)

• 설명 가능성·투명성 vs 적대적 이용자의 기준 역추적
• 이용자 자기확인 편의 vs 판정 기준 보호
• 행정 절차상 사유 고지 vs 탐지 성능 유지

해법

F9 판정 근거·기여도 표시를 역할별로 나눈다. 이용자 화면에는 '정상/위조의심'만 노출하고, 의심 부위·사유 코드·기여도 같은 세부 근거는 관리자 화면에만 보여 준다(근거 은닉, anti-oracle — 카탈로그가 S 계층 후보로 둔 반대편 부품). 관리자 화면 접근은 C8 권한 경계로 제한하고, '위조의심' 건은 C1 검토 큐에서 담당자가 세부 근거를 보고 확정한다. 이용자에게는 F7 한계·신뢰도 안내로 추가 확인 절차를 알리고, 반복 제출·판정 이력은 C4·S10에 남겨 역추적 시도를 탐지할 근거로 삼는다.

이럴 때 쓴다

• 진위·위조 판정 결과와 함께 세부 근거(의심 부위·사유 코드·점수)가 제출자 화면에 표시된다
• 제출자가 근거를 보고 수정해 반복 재제출할 수 있다
• 이용자 중 탐지 회피 동기를 가진 적대자가 있을 수 있다
• 관리자와 이용자의 판정 화면이 같다

이럴 때는 쓰지 않는다

• 내부 담당자만 쓰는 판독 도구로 제출자에게 결과가 노출되지 않는 경우
• 이용자가 적대자가 아닌 접점(예: 내부 품질 점검, 자기 서류 오류 안내)에서 F9로 근거를 보여 주는 경우 — 이때 F9는 정상 부품이다
• 이용자에게 '정상/위조의심'만 보여 주고 세부 근거는 관리자 화면에 둔 경우

얻는 것

• 투명성·설명 가능성 요구를 쉽게 충족한다
• 선의의 이용자가 오류를 스스로 고칠 수 있다

점검표

• 제출자 화면에 세부 판정 근거가 노출되지 않는가
• 세부 근거가 관리자 화면에서만 보이고 접근이 제한되는가
• 위조의심 건을 사람이 확정하는가
• 반복 재제출 이력이 기록되는가

구조 — 참여 부품

• F9 판정 근거·기여도 표시 — 적대적 접점에서 역할별로 나눠야 할 설명
• 근거 은닉(anti-oracle, S 후보) — 이용자에게는 판정만, 세부 근거는 관리자에게만
• C1 검토 큐 — 위조의심 건을 담당자가 세부 근거로 확정
• C8 권한 경계 — 관리자 화면 접근 제한

변형

• 의심 부위 표시형: 이용자 화면에 BBox·히트맵으로 위조 의심 부위를 표시
• 사유 코드 노출형: 반려 사유 코드·점수를 이용자에게 그대로 반환
• 무제한 재제출형: 근거를 보고 고쳐 무제한 재제출할 수 있어 기준 탐색이 가능

관련 부품

F9 교정 대상 — 적대적 접점에서 관리자 화면 전용으로 · C8 끼울 자리 — 관리자 화면 접근 제한 · C1 짝 — 위조의심 건의 사람 확정 · F7 이용자 쪽 대응 — 판정만 알리고 다음 절차 안내 · D3 발생 접점 — 자격·심사

참고 자료

카탈로그 §6 F9 카드(적대적 D3에서는 관리자에게만 노출)

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗