애플이 차세대 하이엔드 모델인 ‘아이폰 Ⅹ(텐)’에서 지문 인증을 빼고 얼굴 인증 기술인 ‘페이스 ID(Face ID)’를 발표하였음. 카메라를 향해 얼굴을 보이는 것 만으로 인증을 하는 기술은 지문 인증보다 안전성이 높고 편리한 방법으로 평가받고 있는데, 이번에 애플이 도입함에 따라 단번에 보급 확산이 진행될 수 있는 교두보를 마련하였음. 페이스 ID는 인공지능(AI)프로세서를 이용해 이미지 인식 기능을 강화했는데, 같은 맥락에서 AI를 악용한 고도의 공격에 대응할 것을 요구 받고 있음
[ 본 문 ]
애플의 차세대
아이폰 모델 3 기종 발표회에서 가장 관심을 모은 것은 최상위 모델인 ‘아이폰 Ⅹ(10)’의 얼굴인식 기능을 이용한‘페이스 ID(Face ID)’였음
Ø주 모델은 기기의 전면을 모두 수퍼 레티나 HD 디스플레이(Super Retina HD Display)로 채워 홈 버튼을 없앤 아이폰 Ⅹ(10)이었고, 아이폰 7과 7 플러스의
후속 모델로는 시리즈 순서에 맞게 아이폰 8과 8 플러스가
발표되었음
Ø이 중 아이폰 Ⅹ은 ‘페이스 ID(Face ID)’기능을
갖추고 있어 카메라로 얼굴을 비춰 장치 잠금 해제를 할 수 있는데, 아이폰 8과 달리 지문인식 장치를 아예 없애 애플 페이로 지불을 할 때도 기존의 ‘터치 ID(Touch ID)’대신 ‘페이스 ID’기능을 이용해야 함
<자료> CNET
[동영상] 아이폰 Ⅹ의 얼굴 인증 ‘페이스 ID’
Ø최신 스마트폰의 추세는 전면 디스플레이를 극대화하는 것이며 아이폰 Ⅹ도 이 흐름을 수용했는데, 이렇게 하려면 홈 버튼에 담았던 지문 인식 스캐너의 위치를 옮겨야 할 필요가 있었음
Ø발표회 전에는 터치 ID 기능을 디스플레이 안에 포함한다거나 삼성전자
갤럭시 S8처럼 스마트폰 후면으로 이동시킨다는 루머가 있었으나, 애플은
터치 ID 기능을 아예 빼는 선택을 하였음
Ø삼성전자가 제품 매뉴얼에 ‘얼굴 인증은 지문이나 PIN 등에 비해 안전성이 낮다’고 기재함으로써 얼굴 인증을 보안이
아니라 편의성과 재미를 위해 설계한 것임을 드러낸 반면, 애플은 지문 인식 없이 페이스 ID 만으로 애플 페이를 이용하게 하여 보다 과감한 입장을 취한 것임
Ø이는 얼굴 인식 기능이 시장에서 아직 대세가 아닌 상황에서 애플이 기술력과 자신감을 바탕으로 과감한 결단을 내린
것으로 볼 수 있는데, 대신 아이폰 8과 8 플러스에는 기존 터치 ID를 그대로 유지시켜 페이스 ID에 거부감이 있는 소비자를 위한 선택지도 남겨 두었음
얼굴 인증 기술은 기본적으로 이용자의 형상 변화에도 대응해야 하는 과제를 안고 있는데 이를 위해 애플은 기계학습(Machine Learning)을 이용한 이미지 비교 방식을 채택했음
Ø페이스 ID를 사용하기 위해서는 사전에 얼굴을 등록해야 하는데, 터치 ID가 사용자의 여러 손가락 지문을 등록하거나 다른 사람의
지문을 등록할 수 있었던 것에 비해 페이스 ID는 오직 하나의 얼굴만 등록할 수 있고, 다른 얼굴을 등록하려면 이전에 등록된 얼굴을 삭제해야 함
Ø아이폰 Ⅹ은 ‘트루뎁스 카메라(TrueDepth Camera)’라는 특수 카메라를 탑재하고 있는데, 얼굴을 등록 할 때 트루뎁스 카메라의 도트 프로젝터(Dot Projector)에서 3만 개의 점이 얼굴에 투사되고 이를 적외선 카메라(Infrared
Camera)에서 읽어 들여 얼굴의 3D 맵을 생성하게 됨
<자료> iphone tricks
[그림 2] 트루뎁스
카메라의 구조(左)와 페이스 ID의 3D 스캐닝 포인트(右)
Ø이 정보들은 프로세서 내의 스토리지인 시큐어 인클레이브(Secure
Enclave)에 암호화하여 저장되며, 페이스 ID 사용
시 광원 역할을 하는 ‘플러드 일루미네이터(Flood Illuminator)’에서 적외선이 투사되고 이를 적외선
카메라가 읽어 들여 등록된 얼굴 맵과 비교하여 인증을 수행함
Ø페이스 ID는 광원으로 적외선을 사용하기 때문에 외부 빛의 조건에
관계없이 어두운 곳에서도 정확하게 얼굴을 인증할 수 있는 장점이 있음
Ø반면, 얼굴 인증은 이용자의 상태가 변화하는 것에 대응해야 하는 과제를
안고 있는데 즉, 머리카락이나 수염이 자라거나 안경을 착용하여 등록된 얼굴 이미지와 달리 보일 경우에도
이용자가 불편하지 않게 본인 확인을 할 수 있어야 함
Ø이 문제 해결을 위해 애플은 기계학습 기법을 이용한 이미지 비교 방식을 채택했는데, 알고리즘에 대한 기계학습을 통해 등록된 얼굴 형상이 머리와 수염을 기르고 안경을 쓰면 어떻게 천천히 변화하는지를
인식할 수 있게 하는 것임
Ø다양한 조건을 사전에 학습시켜 둠으로써 이용자의 형상이 바뀌더라도 정밀하게 판정 할 수 있게 한 것이며, 또한 얼굴을 3D로 비교함으로써 사진을 통해서는 인증 받을 수 없게
하였음
페이스 ID에 기계학습이 적용되었다는 것은 카메라의 차별적 성능이
이제 광학 센서가 아니라 인공지능(AI)에 의해 결정되고 있음을 다시 한번 보여 줌
Ø트루뎁스 카메라는 셀카(Selfie)를 찍을 때 특수 효과를 내는
데도 사용할 수 있는데, ‘인물사진 조명(Portrait Lighting)’이라 불리는 기능을 이용하면 스튜디오에서
촬영 할 때처럼 마치 빛을 조정한 것 같은 효과를 얻을 수 있음
Ø‘자연 조명(Natural Light)’옵션을
선택하면 자연광 아래에서 촬영한 효과를, ‘스튜디오 조명(Studio Light)’옵션을 선택하면 밝은 조명 아래
촬영한 효과를 얻을 수 있으며, ‘칸투어
조명(Contour Light)’옵션은 얼굴의 요철을 돋보이게 하여 극적인 인상을 만들며, ‘무대 조명(Stage Light)’옵션은 배경을 검게 처리해 얼굴을
부각시킬 수 있음
<자료> Apple
[그림 3] 인물사진 조명의 다양한 옵션
Ø트루뎁스 카메라는 스테레오 카메라여서 객체를 3D로 파악하므로 인물과
배경을 구분할 수 있고, 여기에 AI가 사람의 얼굴을 파악해
얼굴 부위에 빛을 쬐어 특수 효과를 만들어 내는 것인데, 메인 카메라에도 ‘인물사진 조명’기능이 탑재되어 위의 옵션들을 사용할 수 있음
Ø카메라는 전통적으로 광학 센서가 차별화 요인이었지만, 지금은 포착한
이미지를 AI를 통해 얼마나 깨끗이 처리 할 수 있는지가 중요해지고 있으며, 아이폰의 카메라는
‘소프트웨어 결정 카메라(Software-Defined
Camera)’라는 소프트웨어가 성능을 좌우함
Ø트루뎁스 카메라를 이용하면 움직이는 이모티콘인 ‘애니모지(Animoji)’를 만들어 전달할 수 있는데, 카메라는 얼굴의 50개 지점의 움직임을 파악해 이를 이모티콘 캐릭터와
매핑하는데, 가령 놀란 표정을 지으면 캐릭터도 놀라는 모양이 됨
<자료> Howtoisolve
[그림 4] 아이폰 Ⅹ의 애니모지 메시지 기능
Ø애니모지를 이용해 영상 메시지를 보내면, 표정을 모방한 캐릭터가 음성과
함께 아이메시지(iMessage)로 상대방에게 전달되는데, 캐릭터는
고양이, 돼지, 닭 등
12개가 제공되고 있음
Ø애니모지 외에도 트루뎁스 카메라는 스마트한 아이폰 이용을 지원하는데, 사용자의
시선을 인식해 화면을 보고 있는 등 아이폰을 사용 중이라 판단하면 슬립 모드로 전환되어 화면이 꺼지지 일이 없도록 하고 알람이나 전화벨 소리를
낮추는 등 똑똑한 도우미 역할도 수행함
Ø이러한 신형 아이폰의 기계학습과 이미지 처리를 지원하는 것이 AI 프로세서인
‘A11 Bionic(바이오닉)’인데,
이 프로세서는 ‘뉴럴 엔진(Neural Engine)’을 탑재하고 있으며 그. 이름에서 알 수 있듯이 AI 처리에 특화되어 있음
Ø뉴럴 엔진은 기계학습 처리 전용 엔진으로 사람이나 물건이나 장소 등을 빠르게 파악하는 기능을 통해 페이스 ID와 애니모지의 처리를 지원하고 있는데, 이와 동시에 애플은 AR(증강현실)의 이미지 처리 속도도 이 엔진을 통해 가속화 하고 있음
이처럼 AI를 기반으로 한 페이스
ID 기능에 대해 애플이 상당한 자신감을 보이고 있긴 하지만, 아무래도 인증 관련 기술이다
보니 보안 침해 가능성에 대한 우려도 제기되고 있음
Ø페이스 ID가 확산되려면 안전성에 대한 소비자의 확신이 전제가 되어야
하는데, 애플은 얼굴 인증에 대한 공격 방법이 영화에 종종 사용되는 페이스 마스크(Face Mask)가 될 것으로 보고 이에 대한 철저한 실험을 했다고 함
Ø페이스 마스크는 출연자의 얼굴을 3D로 카피한 후 이를 마스크로 재구성하는
것인데, 애플은 실제로 할리우드에서 페이스 마스크를 만들어 페이스
ID의 인정 정밀도를 벤치마크 하였음
Ø여기에도 기계학습 기법이 사용되어 인간의 얼굴과 페이스 마스크를 구분하도록 알고리즘을 교육시켰다고 하는데, 이러한 나름의 연구개발 성과를 바탕으로 애플은 페이스 ID의 오인식률이 100만분의 1 이하라 자신한 것으로 보임
Ø그러나 사진이나 마스크로는 페이스 ID가 뚫리지 않는다는 애플의 주장에
대해, 일부 보안 전문가들은 3D 촬영 기술의 발전이나 3D 프린터 기술의 발전으로 실제 얼굴과 거의 흡사한 3D 얼굴 모형을
얼마든지 만들어 낼 수 있다는 점을 간과할 수 없을 지적하고 있음
실제로 최근 VR(가상현실)이나
인공지능(AI)을 이용해 3D로 얼굴을 구성하는 기술들이
발표되고 있어 얼굴 인증 메커니즘의 신뢰성을 보다 확실히 해야 할 필요성이 높아지고 있음
Ø얼굴 인증과 관련한 흥미로운 연구 성과 발표는 작년부터 시작되었는데, 노스
캐롤라이나 대학의 연구팀은 페이스북과 인스타그램에 게재된 얼굴 사진을 3D로 재구성하는 방법을 공개했음
Ø연구팀은 대상자의 얼굴 사진을 여러 장 모아 얼굴의 구조를 3D로
재구성한 뒤, 3D 구조에 피부의 색상과 질감을 더하고 다양한 표정을 추가한 다음 VR 디스플레이로 표현하였음
<자료> Department of Computer Science, University of North Carolina
[그림 5] 노스 캐롤라이나 대학 연구팀의 VR을 이용한 사진 이미지 3D 재구성 프로세스
Ø연구 논문에 따르면 3D로 재구성한 얼굴의 VR을 얼굴 인증 시스템에 입력하고 인증에 성공했는데, 현재 스마트폰
보안에 이용되고 있는 5개 얼굴 인식 앱을 대상으로 테스트를 실시하였음
Ø테스트 결과5개의 앱 중 하나를 제외하면 55~85%의 성공률을 보였으며, 이런 결과를 토대로 연구팀은 현재의
얼굴 인증 메커니즘을 개선할 필요가 있다고 어필하였음
Ø연구팀이 애플의 페이스 ID를 대상으로 테스트 할 지 여부는 아직
알려지지 않고 있는데, 트루뎁스 카메라가 얼굴을 3D로 감지
할 수 있어 아이폰 Ⅹ에 무단으로 접근할 수 없을 것으로 보이긴 하지만 만약 VR로 표현된 얼굴을 3D 프린터로 출력하면 상황은 달라질 지 모름
Ø실제로 독일의 보안 솔루션 기업인 ‘시큐리티 리서치 랩(Security Research Labs)은 얼굴의 3D 이미지를 3D 프린터로 생성하여 얼굴 인증 시스템을 테스트하는 연구를 진행하고 있음
Ø이 기업은 피험자의 3D 얼굴 형상을 가지고 마이크로소프트의 얼굴
인증 시스템인 ‘헬로(Hello)’에서 인증받는 데 성공했다고 하며, 아이폰
Ⅹ이 정식 출시되면 페이스 ID의 보안성을 검증하는 작업을 시작할 것이라고 함
Ø얼굴 인증과 관련한 가장 최근의 흥미로운 연구로는 영국 노팅엄 대학과 킹스턴 대학 연구팀이 대학이 발표한 ‘1장의 얼굴 사진에서 인공지능을
이용해 3D로 얼굴을 구성하는 기술임
Ø컴퓨터 비전에서 얼굴을 3D로 파악하는 것은 매우 어려운 기술이기
때문에 보통은 많은 사진을 입력하고 이들로부터 3D 이미지를 재구성하는 것이 일반적인 방법임
Ø이에 비해 노팅엄 대학과 킹스턴 대학 연구팀은 이미지를 판단하는 CNN(Convolutional
Neural Network, 뇌이랑 신경망)을 얼굴 사진과 본인의 3D 이미지로 교육함으로써 알고리즘이 1장의 얼굴 사진에서 3D 이미지를 재구성하는 것을 가능케 하였음
<자료> http://www.cs.nott.ac.uk/~psxasj/3dme/
[그림 6] 사진 1장으로 얼굴을 3D로 재구성
Ø노팅엄 대학이 연구 성과를 기반으로 얼굴 인증 시스템에 대한 테스트를 실시한 것은 아니지만, 향후 AI를 악용한 얼굴 인증 시스템에 대한 공격이 급증할 수 있음을
시사하고 있으며, 아이폰 Ⅹ가 출시되면 페이스 ID 해킹
레이스가 시작되고 애플은 다양한 도전을 받게 될 것임
얼굴 인식이 향후 인증 기술의 주류가 될 지, 아니면 이용자의 호응과
신뢰를 얻지 못해 또 다른 인증 기술이 모색될 지, 당분간 애플 페이스 ID의 행보에 관심이 모일 전망
Ø다양한 생체 인식 방식이 가운데 얼굴 인증 방식은 정밀도와 활용성이 높기 때문에 향후 크게 확산될 것으로 보는
전문가들이 많으며, 3~5년 후에는 인증 기술의 절반 이상이 얼굴 인증이 될 것이라는 예측도 있음
Ø다른 생체인식과 비교해 보면, 목소리 인증은 콜센터 등에서 사용되고
있지만 복제하기가 쉬워 채택이 제한적이며, 이런 이유로 아마존 에코(Amazon
Echo) 등은 인증이 아닌 이용자 식별을 위해 목소리를 사용하고 있을 뿐임
Ø또한 현재는 지문 인증이 생체 인식 중 가장 폭넓게 이용되고 있지만 작은 센서로 지문을 정확하게 읽는 기술은
쉽지 않으며, 지문 또한 복제가 가능해 보안상 우려도 있음
Ø이런 이유로 생체 인식에서 얼굴 인증이 주목 받고 있는 것이며, 아이폰
Ⅹ이 아직 정식 출시되지 않았음에도 페이스 ID는 이슈를 만들고 있고 얼굴 인증 기술의 동향과 관련해
많은 관심이 쏟아지고 있는 것임
Ø아이폰 Ⅹ과 관련해 향후 또 하나 주목해야 할 것은 홍채 인식(Iris
Recognition)으로 발전할 가능성인데, 홍채 인식은 정밀도가 얼굴 인식 보다 높아
오래 전부터 주목 받아온 방식이지만 적외선 센서 등 전용 장비가 필요하기 때문에 쉽사리 보급이 진행되고 있지 않음
Ø삼성전자의 갤럭시 노트7과 노트8이
홍채 인식 기능을 이미 제공하고 있긴 하지만 인증 정확도와 보안성에 대해서는 아직 평가가 정확하지 않은 상황인데,
아이폰 Ⅹ이 얼굴 인식을 위해 적외선 센서를 탑재함에 따라 향후 홍채 인증울 진행하는 것 아니냐는 루머도 나오고 있음
Ø비즈니스 타이밍 포착에 천재적인 애플이 이번에도 얼굴 인증을 대세 인증 기술로 밀어 올릴지, 페이스 ID에 대한 다양한 도전을 극복하지 못해 새로운 인증 기술을
모색하게 될 지, 아이폰 Ⅹ가 받아들 성적표에 벌써부터 많은 관심이 모이고 있음
소프트웨어 개발 시 CI(지속적인 통합)를 제공하는 OSS(오픈소스 소프트웨어) ‘젠킨스(Jenkins)’의 인기가 치솟고 있음
Ø소프트웨어 공학에서 ‘지속적 통합(continuous integration, CI)’은 지속적으로 품질 관리를 적용하는 프로세스를 실행하는 것으로 소프트웨어의 질적 향상과
소프트웨어를 배포하는데 걸리는 시간을 줄이는데 초점을 맞추고 있음
Ø일반적으로 개발자들이 기존 코드의 수정 작업을 시작할 때 현재 코드 베이스의 복사본을 받아서 작업을 하게 되는데, 만일 다른 개발자들이 자신들이 변경한 코드를 소스 코드 저장소에 제출하면, 코드
베이스로부터 받아온 복사본은 저장소의 코드와 점차 달라지게 됨
Ø이런 상황이 반복되면 어느 시점에는 저장소가 개발자들의 베이스 라인과는 너무 많이 달라지게 되는 소위 ‘통합의 지옥’이라
불리는 상황에 빠지게 됨
Ø통합의 지옥에 빠지게 되면 작업하는 시간보다 작업 내용을 통합하는데 걸리는 시간이 더 걸리게 되어, 최악의 경우 개발자들이 자신들의 변경 내용들을 취소하고 작업들을 완전히 처음부터 다시 하는 것이 나을 수도
있는 상황이 되어 버림
Ø 2011년 ‘클라우드비즈(CloudBees)’가 발표한 ‘젠킨스(Jenkins)’는 소프트웨어 개발 시 통합의 지옥 문제를 해결하기 위한 지속적 통합(CI) 서비스를 제공하는 도구의 하나로, 소스 코드의 컴파일과 빌드, 테스트 및 품질 검사, 서버에 배포 등을 자동화 해 줌
<자료> Jenkins
[그림 1] 지속적
통합 도구 젠킨스의 마스코트
Ø젠킨스는 다수의 개발자들이 하나의 프로그램을 개발할 때 버전 충돌을 방지하기 위해 각자 작업한 내용을 공유 영역에
있는 저장소에 빈번히 업로드 함으로써 지속적 통합이 가능하도록 해 주는데, MIT 라이선스를 따르는
오픈소스 소프트웨어임
Ø젠킨스는 개발자들에게 지루한 작업을 대신 해주는 ‘집사’라는 이미지로 자리매김하고 있기 때문에, 마스코트 캐릭터는 영화에 나오는 집사처럼 나비 넥타이를 하고 있음
Ø 2011년 발표 이래 젠킨스는 꾸준히 개선되며 개발자들의 호응을 얻었고, 클라우드비즈가
지난 8월말에 개최한 ‘젠킨스 월드 2017’컨퍼런스에는
800 명의 개발자가 참여하는 등 젠킨스의 인기가 심상치 않음을 보여 주었음
클라우드비즈는 젠킨스의 인기에 대해 현재 메인 스트림 서비스 기업들이 소프트웨어 개발로 진검승부 하는 가운데
그 생산성 향상이 곧 사업의 관건이 됐기 때문으로 분석
Ø글로벌 대형 서비스 기업들이 젠킨스를 대규모로 도입, 소프트웨어 개발의
자동화에 전사적으로 임하게 된 것은 서비스 경쟁력이 지속적 통합에 달려 있다고 보았기 때문이라는 것
Ø젠킨스를 통해 소프트웨어 개발 자동화를 전사적으로 추진할 수 있게 된 것은 작년에 선보인 ‘젠킨스 2.0’에서 ‘파이프
라인’이라는 구조를 탑재했기 때문인데, 이는
젠킨스에 실행시키는 작업과 순서를 코드(프로그래밍)에 의해
기술하는 것임
Ø젠킨스 1.0까지는 사용자가 젠킨스에 실행시키는 작업을 GUI로 설정했으나, 그 내용은 젠킨스의 독자 형식 설정 파일로 저장되므로
사용자가 나중에 설정 내용이 올바로 되었는지 검증하거나 설정 내용의 변경 이력을 추적하기가 어려웠음
Ø이에 비해 젠킨스 2.0에서는 설정 내용을 코드로 관리 할 수 있게
되었으며, 깃허브(GitHub)와 같은 소스 코드 관리 도구를
이용하여 변경 이력을 관리하고 코드의 정확성을 다른 사용자가 체크하는 코드 리뷰를 실시할 수 있게 되었음
Ø클라우드비즈에 따르면 ‘파이프 라인’을 도입하여 보다 복잡한 작업의 자동화를 젠킨스에서 실현할 수 있게 되었을
뿐만 아니라, 젠킨스에서 자동화된 작업의 재사용이 가능하게 되었음
Ø과거 젠킨스를 이용한 소프트웨어 개발의 자동화는 개발자가 개인적으로 나선 것이며, 자동화 메커니즘을 다른 프로젝트에 적용하기가 어려웠음
Ø그러나 젠킨스 2.0에서는 개발자가 만든 자동화 메커니즘이 코드화
되어 그 코드를 라이브러리로 전사 공유할 수 있게 되었으며, 따라서 젠킨스의 전사적 도입이 용이하게
된 것임
젠킨스를 전사 차원에서 도입하고 있는 대표 사례는 결제 서비스 기업인 페이팔(PayPal)로
4천 명의 개발자가 이용하는 젠킨스 도입을 추진하고 있음
Ø페이팔은 현재 ‘개발자 익스피리언스 팀’을 마련해 젠킨스 도입으로 4천명
이상의 사내 소프트웨어 개발자들의 개발 경험을 전사적으로 통일하고 개선해 나가고 있음
Ø페이팔이 독자적으로 개발해 운영 중인 결제 시스템은 규모가 방대하고 게다가 수정도 빈번한데, 35,000 대의 가상 머신에서 돌아가는 이 시스템은 2,600개
이상의 서비스로 구성되어 소스 코드의 행수가 7천만 라인을 넘으며, 이중
매년 1천만 라인의 소스 코드가 수정되고 있음
Ø이러한 거대 시스템 업데이트 작업을 젠킨스로 자동화하고 있는데, 페이팔이
이용 중인 젠킨스의 인스턴스는 5천 개를 넘고, 하루에 32,000 번의 빌드 작업과 1,000 번의 배포 작업을 실시하며, 테스트 회수 만도 하루 100만 회에 달함
Ø페이팔 개발자 익스피리언스 팀의 책임자는 젠킨스가 소프트웨어 개발자에게 자유뿐만 아니라 ‘소프트웨어 개발 프로세스의 시각화’를 안겨 주었다고 말하는데, 소스 코드의
빌드, 테스트, 배포를 젠킨스가 수행하며 그 로그가 기록되기
때문
클라우드비즈는 젠킨스 2.0의 파이프 라인 실행 상황을 시각화 해주는
‘블루 오션(Blue Ocean)’이라는 도구도 OSS로 함께 공개하고
있음
Ø젠킨스 사용자는 블루 오션 도구를 이용해 빌드 작업이 다양한 환경 별로 준비되어 있는 테스트 서버에 배포가 되었는지
여부를 GUI에서 확인할 수 있음
<자료> Jenkins
[그림 2] 젠킨스
프로세스 관리 툴 블루 오션
Ø블루 오션은 사용자가 GUI에서 설정한 내용을 파이프 라인의 코드로
저장하는 기능도 갖추고 있는데, 젠킨스에 익숙하지 않은 초보 사용자도 파이프 라인의 코드를 작성할 수
있게 하였음
Ø젠킨스를 전사적으로 확장하면 다양한 스킬 레벨의 사용자가 이용하게 되는데, 누구나
젠킨스를 활용할 수 있게 해주는 것이 바로 이 블루 오션의 역할임
Ø OSS로 공개된 젠킨스의 수익모델은 리눅스와 마찬가지로 교육 및 지원 서비스에 있는데, 이번 젠킨스 월드 2017 컨퍼런스에서 클라우드비즈는 젠킨스의 로그를
분석해 사용자 기업의 개발 프로세스의 문제점을 찾아 개선 사항을 제안하는 ‘CloudBees DevOptics’를 새로 발표하였음
젠킨스의 도입은 주로 미국과 유럽 기업을 중심으로 활발히 진행 중이며, 소프트웨어
개발을 외부에 아웃소싱 하는 경향이 강한 아시아계 기업들은 상대적으로 저조하다고 함
Ø클라우드비즈에 따르면 젠킨스의 도입은 페이팔 같은 미국 기업뿐 아니라 독일의 보쉬(Bosch)와 BMW 등 유럽 기업에서 대규모 도입이 추진되고 있음
Ø반면 미국이나 유럽에 비해 소프트웨어 개발을 아웃소싱 하는 경향이 강한 아시아계 기업들은 소프트웨어 개발 프로세스를
자사에서 직접 관리하지 못하는 상황이기 때문에 젠킨스를 전사적으로 도입해 개발 프로세스를 개선하기 어려운 면이 있음
Ø게다가 소프트웨어 개발을 위탁하는 시스템 통합(SI) 업체들 역시
사내 소프트웨어 개발 환경과 개발 프로세스가 고객 기업마다 제각각이기 때문에 SI 업체 내부의 독자적인
개발 프로세스를 표준화하기도 어려움
Ø소프트웨어 개발의 생산성 향상이 곧 서비스 기업의 경쟁력으로 직결되는 상황에서,
소프트웨어를 자체 개발하는 미국과 유럽의 기업들이 젠킨스 도입을 위해 전사 차원의 노력을 기울이는 것에 비해 아시아계 기업들의 경쟁력이
더욱 뒤쳐질 가능성이 제기되는 것은 이런 이유 때문임
Ø한국의 기업들도 자체 소프트웨어 개발 생산성이 기업의 경쟁력이라는 인식 하에,
현행 소프트웨어 개발 시스템을 점검하고 경쟁력 강화를 위한 시스템 개편 필요성을 점검할 필요가 있음