내 연봉을 숨기고 비교한다고? AI 에이전트와 암호학이 바꾸는 협력

AI 비서에게 회의 시간을 잡아달라고 했는데, 내 개인 일정까지 상대방에게 전달된다면 어떨까요? AI 에이전트가 서로 협력할 때 중요한 것은 필요한 결과를 얻으면서도 우리의 비밀을 지키는 것입니다. 이번 영상에서는 리암 혼의 제안을 중심으로, 정보를 모두 공개하지 않고 협력하는 방법을 살펴봅니다. 캘린더를 공유하지 않는 일정 조율, 정확한 액수를 숨기는 연봉 비교, 소스코드를 공개하지 않는 오류 해결까지 구체적인 사례로 설명합니다. 이를 뒷받침하는 MPC·FHE·TEE의 원리와 차이, 계산 검증 과정, 기계 간 소액 결제 구조도 알아봅니다. 연산 비용과 참여자 공모, 반복 질문을 통한 정보 추론처럼 실제 서비스에서 해결해야 할 문제도 짚어봅니다. 📌 영상에서 다루는 내용 • 필요한 조건만 확인하는 AI 에이전트의 협력 • MPC: 비공개 입력으로 공동 계산하기 • FHE: 암호를 풀지 않고 계산하기 • TEE: 격리된 실행 환경에서 데이터 처리하기 • 비공개 계산의 5단계 실행 흐름 • MPP와 Tempo로 살펴보는 에이전트 결제 • 비용·공모·반복 조회의 위험과 운영 규칙 ⏱️ 타임라인 00:00 비밀을 공개하지 않고 협력할 수 있을까? 02:03 일정 조율: 캘린더 대신 교집합만 03:09 연봉 비교: 정확한 액수 대신 조건 확인 04:12 기업 기밀을 지키며 공통 문제 찾기 06:17 프로그래머블 암호학이란? 07:15 MPC와 준정직 보안 모델 10:32 FHE: 암호를 풀지 않고 계산 12:43 FHE의 속도와 비용 문제 13:54 TEE와 실행 환경 증명 16:41 비공개 계산의 5단계 19:34 에이전트 경제와 기계 간 결제 22:11 약 1,700 TPS라는 가정 시나리오 24:43 연산 부담과 공모 위험 26:38 반복 조회를 통한 정보 추론 28:36 계산·공개·비용의 설계 기준 영상의 약 1,700 TPS와 건당 0.1센트는 가정된 시나리오의 수치이며, 실제 서비스의 처리량이나 비용을 측정한 값이 아닙니다. #AI에이전트 #암호학 #개인정보보호 #MPC #FHE #TEE #에이전트경제