서인석 · David Seo

VOUCH는 전화가 연결되기 전에 발신자의 신원, 권한, 통화 목적을 검증하는 Pre-call Identity Verification 프로토콜 및 제안 Demo 구현 프로젝트입니다. 기존 보이스피싱 대응이 통화 연결 이후의 차단·경고에 머무른다는 문제에 착안해, 금융기관·공공기관·AI 상담원이 발신 전에 서명된 CallerProof를 제출하고, 수신자는 통화 전 VOUCH Passport를 통해 '누가, 어떤 권한으로, 왜 전화하는지' 확인할 수 있는 구조를 설계했습니다.

전체 제품 기획, 프로토콜 설계, 아키텍처, Go 기반 백엔드, React/TypeScript PWA 프론트엔드, Solidity 스마트컨트랙트, DID/VC 검증 흐름, 리스크 룰 체커, Claude Haiku 기반 Intent Handshake를 통합했습니다.

핵심 성과는 9단계 검증 파이프라인의 동작 가능한 MVP를 구축한 것입니다. Ed25519 서명 CallerProof 수신 → 전화번호-기관 DID 바인딩 검증 → DID/VC 검증 → AI agent 목적·권한 검증 → 위험 패턴 룰 검사 → LLM 기반 통화 의도 사전 공개 → 수신자 Mobile ID 검증 → VOUCH Passport 생성 → Sepolia 테스트넷 Chain Receipt 기록까지 하나의 플로우로 구현했습니다. Sepolia 컨트랙트(0x70fc086A3f4e91dA3f7e3Aeb4D2C806DdF3dED04) 배포. Live LLM: claude-haiku-4-5-20251001 (BYO).

정상 금융기관 AI 상담원은 SAFE, 등록되지 않은 가짜 검사 사칭은 BLOCK, 권한 범위를 벗어난 금융 보안 AI는 BLOCK — 3가지 시나리오를 구성해 정책·신원·권한·목적 검증 결과가 실제로 분기되는 구조를 검증했습니다. 블록체인에는 개인정보를 저장하지 않고 sessionHash, receiptHash, isSafe, policyVersion, timestamp만 기록하는 Zero PII on-chain 원칙을 반영했습니다.

CAD Trust Engine Lite는 PNG/PDF/JPG 건축 도면을 분석해 벽, 문, 창, 공간 후보를 검출하고, 그 결과를 적산(quantity takeoff) 시스템에 연결 가능한 신뢰 표면(trust surface)으로 변환하는 도면 인식 MVP입니다. 단순히 객체를 많이 검출하는 것이 아니라, 각 판단이 어떤 근거를 갖고 있는지, 어디까지 신뢰 가능한지, 사람이 검수해야 할 영역은 어디인지 명확히 분리하는 것을 목표로 설계했습니다.

전체 제품 기획, 아키텍처 설계, Python 기반 CV/OCR 파이프라인, Pydantic 출력 계약, Streamlit 검수 UI, SQLite Audit DB, Docker/VPS 배포까지 직접 구현했습니다. 핵심 파이프라인은 Ingest → Geometry → OCR → Symbol → Compose+Aggregate의 5단계로 구성했습니다. OpenCV Canny, HoughLinesP, HoughCircles, contour 분석을 활용해 선·벽·문·창 후보를 검출하고, PaddleOCR(ko/en)과 regex classifier를 통해 공간명, 치수 텍스트, 라벨 후보를 추출했습니다. 최종 출력은 type, geometry, measurement 각각에 대해 독립적인 EEF 태그를 갖는 per-field epistemic JSON으로 구성했습니다.

중요한 설계 원칙은 Measurement Policy와 Refusal Over Bluff입니다. 신뢰 가능한 scale anchor가 없으면 mm 단위 측정값을 출력하지 않도록 Pydantic model_validator로 강제했고, 근거가 부족한 영역은 낮은 confidence 결과로 숨기지 않고 refusal로 명시했습니다. 공개 라이선스 기반 corpus 50장(synthetic 12장 + Wikimedia 38장)을 구축했고, 테스트는 53개에서 148개로 확장하며 회귀 없이 발전시켰습니다. 복잡한 도면에서는 객체 20,000개 이상의 후보와 refusal, 검수 라우팅 결과를 함께 출력했습니다.

SQLite Audit DB에 run, stage event, refusal, policy fire, epistemic distribution을 저장해 단일 실행 결과뿐 아니라 시간에 따른 오류·거부 패턴까지 추적할 수 있게 했습니다. Docker, Caddy, Vultr 기반 라이브 배포까지 완료했습니다.

LedgerLens는 자율 AI Agent 간 데이터 거래에서 '근거 없는 claim에는 결제를 허용하지 않는다'는 원칙을 구현한 Agent-to-Agent Payment 검증 MVP입니다. Buyer Agent가 실시간 웹 데이터를 요청하고 Seller Agent가 데이터를 제공하겠다고 claim하면, LedgerLens가 Bright Data 기반 웹 증거를 수집하고 GEM² Trust Gate를 통해 claim의 신뢰성을 검증한 뒤, 승인된 경우에만 x402 호환 결제 흐름을 진행하도록 설계했습니다.

전체 제품 기획, 아키텍처 설계, Go 백엔드, Next.js/TypeScript 프론트엔드, Bright Data 연동, GEM² audit-gate 연동, SQLite 기반 entity/source memory, payment gate, simulated x402 settler, audit bundle export 구조를 전담 구현했습니다. Bright Data SERP, Unlocker, Browser, MCP wrapper를 통해 공개 웹 증거를 수집하고, GEM² L1 P-check와 L2 O-check를 호출해 claim이 evidence에 근거하는지 검증했습니다.

핵심 성과는 결제 실행 이전에 AI Agent의 claim을 검증하는 trust-gated settlement 구조를 동작 가능한 MVP로 구현한 것입니다. evidence acquisition → claim audit → policy gate → settlement authorization → audit bundle export까지 이어지는 전체 흐름을 제품형으로 설계했습니다. L2 audit panel에는 EEF 태그, SPT overclaim guard, evidence correlation을 표시해 어떤 claim이 어떤 근거로 승인 또는 차단되었는지 사람이 재검토할 수 있게 했습니다.

공개 데모 안전성을 위해 실제 계정·key·fund는 연결하지 않고 x402 payment lifecycle을 simulation mode로 구현했습니다. settlement를 제외한 핵심 검증 구조는 실제로 동작하며, Settler interface를 분리해 향후 Coinbase Go SDK와 Base Sepolia/mainnet settlement로 교체해도 Trust Gate 구조는 그대로 유지될 수 있도록 설계했습니다.

GEM² — AI Governance at the Edge는 AI 에이전트의 모든 액션이 검증 가능한 계약 경계(Contract Edge)를 통과하도록 강제하는 엔터프라이즈급 AI 거버넌스 시스템입니다. 에이전트가 실행한 모든 변환을 실행 전·후로 감사하는 4-게이트 파이프라인을 구현했습니다: L0 Lobster Trap 인그레스 DPI → L1 P-check 감사 → 계약 실행기(F) → L2 O-check 감사 → L3 Lobster Trap 이그레스 DPI.

'Lobster Trap' 레이어는 순수 Go 기반 정규식 DPI로 프롬프트 인젝션, 데이터 외부 유출, 자격증명 누출을 에이전트 실행 전에 1ms 미만으로 차단합니다. 판정자(Gemini 3 Flash Preview)와 실행자(Vultr DeepSeek-V3.2)를 분리하는 Dual-LLM 아키텍처를 채택해 판정의 신뢰성을 확보했으며, 모든 ALLOW/LOG/DENY 판정은 SQLite layer_audit_log에 기록됩니다.

라이브 데모에서는 건강보험 청구 6건을 워크플로우 DAG로 구성해 24개의 게이트 판정(6노드 × L0~L3)을 실시간으로 확인할 수 있습니다. 악성 데이터 유출 페이로드(data-exfil 커맨드)를 특정 노드에 주입하면 L0가 즉시 DENY — 이를 캔버스 UI에서 직접 시연할 수 있도록 구현했습니다.

Go 백엔드, 드래그-앤-드롭 워크플로우 캔버스, SSE 실시간 트레이스 패널, 감사 로그 조회 UI, CE(Contract Edge) 뷰어까지 전 과정을 직접 구현했습니다.