메뉴 건너뛰기


커리어 세부메뉴

합격자소서

㈜KT 2023년 하반기 신입 R&D·연구원합격자소서

합격자 정보

  • 대학원
  • 전기전자공학부
  • 학점 4.2/4.5
  • 토익 920
  • 오픽 IH
  • 해외경험 1회
  • 동아리 1회
  • 6,413읽음

합격자소서 질문 및 내용

답변
KT는 우월한 통신망을 기반으로 KT 클라우드를 만들어 DIGICO 플랫폼으로서의 성공적인 변화를 이루어 내는 중입니다. 제가 KT에 지원한 이유는, 국내 최고 규모의 IDC를 운용하며 차세대 네트워크 산업의 혁신을 앞서서 이루어 내고 있기 때문입니다. 끊임없이 성장하는 네트워크를 위해서는 네트워크 운용 전문가가 필요합니다. 저는 저의 네트워크 인프라에 대한 연구 경험을 살려 고객을 만족시킬 뿐만 아니라 고객과 함께 성장해나가는 네트워크 인프라 매니지먼트 전문가가 되고 싶습니다.
저는 이 전문성을 더 기르기 위해 항상 도전적인 정신을 가지며 최신 연구 소식들을 주의 깊게 살펴볼 것입니다. 배웠던 지식만으로 멈추지 않고 새로운 tool이나 논문들을 실험해가며 성실하게 발전해 나가는 것이 세상에 뒤처지지 않는 길이라 믿고 있기 때문입니다. 또한, 이러한 지식들을 바탕으로 매주 동료들과 소통할 수 있도록 하겠습니다. 각자가 가진 전문성을 서로 공유할 수 있다면 더 혁신적인 솔루션을 제공할 수 있다고 생각하기 때문입니다.

글자수 519887Byte

답변
대학원에서 Segment routing for Ipv6 (SRv6) 주제의 과제를 진행하며 팀 프로젝트를 진행한 적이 있습니다. 참가 인원은 같은 연구실의 대학원생 4명 이었으며 이 때 저의 역할은 주도적으로 메인 아이디어를 제안하며 알고리즘을 개발 및 구현하는 것이었습니다. 이 모든 일을 약 8개월 안에 완료해야 했기 때문에 프로젝트 후반부에 이르자 저는 상당한 시간적 압박에 시달렸지만 막상 다른 팀원들은 자신의 연구를 우선시하였고 큰 열의를 보여주지 않았습니다. 처음에는 이 일을 단독으로 진행해보려고 해보았지만 이내 연구를 진행하며 한계에 부딪혔습니다. 저는 저 자신이 혼자 할 수 있는 것은 많지 않다는 것을 느꼈고, 다시 팀원들에게 다가가 얘기를 하며 합리적인 양의 작업을 도와줄 수 있도록 부탁했습니다.
저는 이 경험을 통해 동료들을 설득시키고 같이 일을 해낼 수 있다면 혼자보다 더 많은 일들을 해낼 수 있다는 것을 배웠습니다.

글자수 474795Byte

답변
제 석사 졸업 논문은 Segment routing for IPv6 (SRv6) 기술과 In-band Network Telemetry (INT)를 접목시켜 SDN 환경에서 네트워크 상태 파악을 최소한의 오버헤드로 이루는 연구입니다. INT는 네트워크 모니터링을 위한 기술 중의 하나입니다. 네트워크 내의 혼잡도와 flow 경로 파악 등을 위해 사용되나 기존의 패킷이 경유하는 스위치의 정보만 알 수 있기 때문에 경유하지 않는 스위치의 정보는 알기 힘들다는 단점을 가지고 있습니다. 이러한 단점을 원하는 경로로 routing하게 해주는 SRv6기술을 사용하여 자주 들리지 않는 스위치도 routing하게 만들며 그에 따른 오버헤드 발생을 최소화하는 연구를 진행하였습니다. 이 연구는 따라서 네트워크 운용자가 네트워크 전반적인 상태를 폭넓게 파악하게 합니다. 저는 이러한 연구를 리눅스 기반 SDN 시스템인 ONOS기반 하에서 연구하였고 P4를 통해 구현을 완료하였습니다.

글자수 485769Byte

답변
저는 연구실 선배의 연구를 도우며 머신러닝 프로그램을 설계한 경험을 가지고 있습니다. 제가 참가한 연구는 Recurrent Neural Network (RNN)을 활용하여 programmable switch에서 즉각적으로 악의적인 공격 (e.g., DDos 공격)을 감지할 수 있는 기능을 만드는 것이었습니다. 네트워크 상에서 이뤄지는 악의적인 공격은 빠르게 감지하기 어렵고 네트워크 운용자 입장에서 효율적인 대처가 어렵다는 특징을 가지고 있습니다. 이 연구에서 저는 Python을 사용해 네트워크 패킷의 정보를 확인하고 공격을 감지할 수 있는 RNN 알고리즘을 설계하는 역할을 맡았습니다. 기존의 RNN은 이미지 인식 등에서 사용되기 때문에 이미지를 받아들이는 구조로 설계되어 있으나, 패킷 정보를 받아들일 수 있도록 수정하여 원하는 성능치를 얻어 낼 수 있었습니다.

글자수 430695Byte