김윤태 (Yoontae Kim)

Backend Developer & Infrastructure Engineer

Building Scalable Systems That Solve Real Problems

2개 스타트업 실무 경험 16개월 | Python, FastAPI, Docker, Message Queue 전문

숭실대학교 소프트웨어학부 재학 (2019.03 ~ 2026.02)

트래픽 50% 감소 Repositories
CPU 사용량 55% 절감 Contributions

About Me

김윤태

2개 스타트업에서 총 16개월간 백엔드 개발과 인프라 관리를 담당하며 데이터 기반 문제 해결 능력을 키웠습니다.

포테이토넷(2024.09~현재): Threat Intelligence 서비스 개발팀에서 백엔드 개발 및 인프라 관리 담당. RabbitMQ/Celery 도입으로 네트워크 트래픽 50% 감소, CPU 사용률 55% 절감. Docker 기반 CI/CD 파이프라인 구축으로 신규 개발자 온보딩 시간 85% 단축. LLM 기반 자동 라벨링 시스템으로 1만 개 이상 데이터 처리, 멀티모달 AI 피싱 탐지 시스템 95%+ 정확도 달성.

미피아(2024.06~08): 음원 표절 탐지 AI를 위한 데이터 수집 및 전처리. 유튜브 기반 표절 의심 음원 데이터셋 구축 및 라벨링.

데이터 수집, 분석, 인프라 구축의 전 과정을 경험하며 기술이 실제 문제를 해결하는 방법을 배웠습니다.

트래픽 50% 절감 성과
Docker & Message Queue 전문
CI/CD 파이프라인 구축

Projects

제가 진행한 주요 프로젝트들입니다

포테이토넷

7개 프로젝트
2024.09 ~ 현재

Threat Intelligence 웹 서비스

데이터 조회 및 URL 검사 메인 웹 서비스

Problem

Threat Intelligence 데이터 조회 및 URL 검사를 위한 통합 웹 서비스 필요

Solution

Next.js 기반 프론트엔드와 Flask 기반 REST API 서버를 구축하여 실시간 대시보드 개발

실시간 대시보드
Full-Stack 웹 서비스
진행중 2024.09~현재
  • Threat Intelligence 데이터 조회 및 URL 검사 메인 웹 서비스 개발
  • Next.js 기반 프론트엔드, Flask 기반 REST API 서버 구축
  • MySQL, MongoDB를 활용한 데이터베이스 설계 및 실시간 대시보드 개발
Next.js Python Flask MySQL MongoDB Docker
Threat Intelligence 웹 서비스 Screenshot

Threat Intelligence 웹 서비스

데이터 조회 및 URL 검사 메인 웹 서비스

2025.06 ~ 2025.07

AI 기반 멀티모달 피싱 탐지 시스템

Threat Intelligence 기반 피싱 사이트 탐지

Problem

기존 피싱 탐지는 URL만 분석하여 정확도가 낮고, 새로운 피싱 기법에 대응 불가

Solution

URL 분석, QR 코드 검사, 브랜드 로고 인식을 결합한 멀티모달 AI 시스템 구축

95%+ 피싱 탐지 정확도
84.7% CRP 분류 정확도
10.46개/초 처리 속도
  • MySQL에서 피싱 사이트 8,000개, 정상 사이트 8,000개 HTML 데이터 수집 (총 10,137개)
  • Mistral-7B-Instruct 모델을 활용한 자동 라벨링 시스템 구축
  • XLM-RoBERTa 모델 학습 (훈련 데이터 6,118개, 테스트 데이터 680개)
Python FastAPI Next.js Mistral-7B-Instruct XLM-RoBERTa MySQL Docker
AI 기반 멀티모달 피싱 탐지 시스템 Screenshot

AI 기반 멀티모달 피싱 탐지 시스템

Threat Intelligence 기반 피싱 사이트 탐지

2024.11 ~ 2025.01

네트워크 트래픽 최적화 시스템

RabbitMQ/Celery 기반 메시지 큐 아키텍처

Problem

실시간 데이터 수집 시스템의 네트워크 트래픽 과부하 및 간헐적 데이터 누락

Solution

Flask API 기반 Queue를 RabbitMQ+Celery 메시지 큐 아키텍처로 전환, MessagePack 직렬화 도입

46-50% 트래픽 감소
55% CPU 사용률 절감
60% 크롤러 PC 부하 감소
  • 인바운드 16.4 Mb/s → 7.53 Mb/s, 아웃바운드 14.6 Mb/s → 7.36 Mb/s로 감소
  • CPU 사용률 15.1% → 8.4%로 55% 절감
  • 데이터 누락 완전 해소
RabbitMQ Redis Celery Python Flask Docker Docker-Compose
네트워크 트래픽 최적화 시스템 Screenshot

네트워크 트래픽 최적화 시스템

RabbitMQ/Celery 기반 메시지 큐 아키텍처

2025.01 ~ 2025.02

Black List 서비스 & ELK 모니터링

악성 URL 필터링 및 실시간 모니터링 시스템

Problem

악성 URL 필터링 및 장애 사전 감지 체계 부재

Solution

MySQL Hash 기반 검색 최적화 및 ELK 스택 기반 실시간 모니터링 시스템 구축

300ms 평균 검색 속도
20만 개 URL 처리
실시간 장애 감지
  • MySQL Hash 기반 검색 및 Indexing 최적화
  • Vector를 활용한 로그 수집 시스템 구축
  • ElasticSearch+Kibana 기반 실시간 모니터링 대시보드
Python FastAPI asyncio SQLAlchemy MySQL ElasticSearch Vector Kibana Docker
Black List 서비스 & ELK 모니터링 Screenshot

Black List 서비스 & ELK 모니터링

악성 URL 필터링 및 실시간 모니터링 시스템

2024.10 ~ 2024.11

Docker 기반 배포 자동화

GitLab Runner CI/CD 파이프라인

Problem

개발-배포 환경 불일치로 인한 배포 실패 및 신규 개발자 환경 셋팅 1일 이상 소요

Solution

전사 Repository Dockerizing 및 GitLab Runner 기반 CI/CD 파이프라인 구축

85% 온보딩 시간 단축
90%+ 환경 불일치 감소
자동화 배포 프로세스
  • 신규 개발자 온보딩 시간 1일 → 1-2시간으로 단축
  • Slack 알림 시스템 도입으로 에러 모니터링 자동화
  • 수동 배포 작업 자동화로 휴먼 에러 최소화
Docker Docker-Compose GitLab Runner Python Flask
Docker 기반 배포 자동화 Screenshot

Docker 기반 배포 자동화

GitLab Runner CI/CD 파이프라인

2025.01 ~ 2025.03

ModSecurity 기반 WAF 개발

OWASP Core Rule Set 기반 웹 방화벽

Problem

웹 애플리케이션 보안 강화 및 실시간 공격 모니터링 필요

Solution

OWASP Core Rule Set 기반 WAF 개발 및 Threat Intelligence 데이터 활용 커스텀 룰 작성

OWASP CRS 기반
실시간 공격 모니터링
커스텀 룰 False Positive 튜닝
  • Threat Intelligence 데이터 활용 커스텀 룰 작성 및 False Positive 튜닝
  • Nginx 리버스 프록시 연동
  • ElasticSearch+Kibana 기반 실시간 공격 모니터링 대시보드 구축
ModSecurity Nginx OWASP CRS ElasticSearch Kibana Docker
ModSecurity 기반 WAF 개발 Screenshot

ModSecurity 기반 WAF 개발

OWASP Core Rule Set 기반 웹 방화벽

2025.03

온프레미스 환경 보안 제품 구축

거래처 현장 배포 및 네트워크 구성

Problem

거래처 서버실에 보안 제품을 직접 설치하고 네트워크를 구성해야 하는 상황

Solution

전체 서비스 Dockerizing, 현장 네트워크 분석 및 방화벽 정책 조정

전체 서비스 Dockerizing
현장 네트워크 구성
정상 운영 전환 완료
  • 거래처 서버실 직접 방문하여 보안 제품 설치 및 네트워크 구성
  • 웹/DB(MySQL, MongoDB)/크롤러/내부엔진 포함 전체 서비스 Dockerizing 및 설치
  • 현장 네트워크 환경 분석 후 방화벽 정책 조정 및 필수 포트 개방 협의
  • tcpdump 기반 패킷 분석 및 안정화 작업으로 정상 운영 전환
Docker Linux MySQL MongoDB 방화벽 정책 관리 tcpdump
온프레미스 환경 보안 제품 구축 Screenshot

온프레미스 환경 보안 제품 구축

거래처 현장 배포 및 네트워크 구성

개인 프로젝트

3개 프로젝트

Skills

현재 사용하고 있는 기술들입니다

Backend Development

서버 사이드 개발 및 API 설계

Python 95%
FastAPI 90%
Flask 85%
Node.js 70%

Message Queue & Async

비동기 처리 및 메시지 큐 시스템

RabbitMQ 85%
Celery 85%
Redis 80%

Frontend Development

사용자 인터페이스 개발

Next.js 75%
Vue.js 75%
TypeScript 75%

Database & Search

데이터 저장 및 검색 엔진

MySQL 80%
MongoDB 75%
MariaDB 75%
ElasticSearch 70%

DevOps & Monitoring

인프라 자동화 및 모니터링

Docker 90%
Docker-Compose 90%
GitLab CI/CD 85%
Kibana 75%
Git/GitHub 95%

Security

보안 시스템 개발

ModSecurity (WAF) 75%
OWASP CRS 75%
Threat Intelligence 80%

AI/ML & Data

머신러닝 모델 개발 및 데이터 분석

Pandas/Scikit-learn 75%
XGBoost 75%
LLM (Mistral, XLM-RoBERTa) 70%
TensorFlow/Keras 70%
PyTorch 70%

Computer Vision

컴퓨터 비전 개발

OpenCV 75%
MediaPipe 75%

Network & Infrastructure

네트워크 및 인프라 관리

Linux 서버 관리 80%
방화벽 정책 관리 75%
tcpdump/패킷 분석 70%
온프레미스 환경 구축 75%

Experience

실무 경험

Backend Engineer

포테이토넷 (Potatonet)

2024.09 ~ 현재 (약 14개월)

웹개발 및 인프라 관리 | Threat Intelligence 서비스 개발팀

주요 성과:
  • [Threat Intelligence 웹 서비스 개발] Next.js 기반 프론트엔드, Flask 기반 REST API 서버 구축
  • [AI 기반 멀티모달 피싱 탐지 시스템] CRP 분류 모델 84.7% 정확도, 95%+ 피싱 탐지 정확도 달성
  • [네트워크 트래픽 최적화] RabbitMQ/Celery 도입으로 트래픽 46-50% 감소, CPU 55% 절감
  • [Docker 기반 배포 자동화] 신규 개발자 온보딩 시간 85% 단축, 배포 환경 불일치 90% 감소
  • [Black List 서비스] 20만 개 URL 평균 300ms 검색 성능, ELK 모니터링 구축
  • [ModSecurity 기반 WAF 개발] OWASP CRS 기반 커스텀 룰 작성 및 실시간 공격 모니터링
  • [온프레미스 환경 구축] 거래처 서버실 직접 방문, 전체 서비스 Dockerizing 및 네트워크 구성
기술 스택: Next.js, Python(Flask, FastAPI), RabbitMQ, Celery, Redis, Docker, GitLab Runner, MySQL, MongoDB, ElasticSearch, Kibana, ModSecurity

AI Data Engineer Intern

미피아 (Mippia)

2024.06 ~ 2024.08 (2개월)

음원 표절 탐지 AI 모델 학습을 위한 데이터 수집 및 전처리 | AI 개발팀

주요 성과:
  • 유튜브에서 표절 의심 음원 데이터 수집 및 라벨링
  • 표절 구간 판단 및 데이터 전처리 파이프라인 구축
  • 음원 표절 탐지 모델 학습용 데이터셋 구축
  • 데이터 품질 관리 및 검증 프로세스 확립
기술 스택: Python, YouTube API, 데이터 전처리, 라벨링

Key Achievements

주요 성과 요약

46-50%
네트워크 트래픽 감소
RabbitMQ/Celery 도입
55%
CPU 사용률 절감
15.1% → 8.4%
85%
온보딩 시간 단축
1일 → 1-2시간
300ms
평균 검색 속도
20만 개 URL
84.7%
CRP 분류 정확도
LLM 자동 라벨링
95%+
피싱 탐지 정확도
멀티모달 AI
96.8%
강우 취소 예측
XGBoost 모델
90%+
환경 불일치 감소
Docker CI/CD
10,137개
데이터 수집/라벨링
HTML 데이터
80%
처리시간 단축
ERP 시스템

Qualifications

자격 및 언어 능력

자격증

  • SQLD (SQL 개발자)

언어 능력

  • 한국어: Native
  • 중국어: Native-like
  • 영어: Professional

Let's Build Something Together

새로운 프로젝트나 협업 기회에 대해 이야기 나누고 싶습니다.