AI Verify는 싱가포르 IMDA 산하 AI Verify Foundation이 주도하는 오픈 소스 AI 거버넌스 테스트 프레임워크이자 소프트웨어 도구 세트입니다. 여기에는 AI 검증 테스트 프레임워크(11개 국제 AI 거버넌스 원칙 평가 프레임워크), AI 검증 툴킷(기존 AI 모델 테스트 도구) 및 Project Moonshot(LLM 평가 및 레드팀 테스트 툴킷)이 포함되어 기존 ML부터 생성 AI까지 규정 준수 테스트 요구 사항을 다룹니다.

AVerify

핵심 매개변수 및 통계

AI 검증은 싱가포르 정보통신 미디어 개발청(IMDA) 산하 AI 검증 재단이 주도하는 오픈 소스 AI 거버넌스 테스트 프레임워크이자 소프트웨어 도구 세트입니다. 단일 제품은 아니지만 AI 검증 테스트 프레임워크(거버넌스 프레임워크), AI 검증 툴킷(기존 AI 테스트 소프트웨어), 프로젝트 문샷(LLM 평가 툴킷)의 세 가지 기능 계층으로 구성됩니다.

프로젝트	공공정보
공식 포지셔닝	AI 거버넌스 테스트 프레임워크 및 소프트웨어 툴킷
조직의 성격	IMDA가 전액 출자한 비영리 자회사
오픈 소스 라이센스	아파치 2.0
거버넌스 원칙	11가지 국제 AI 거버넌스 원칙
툴킷 최신 버전	2.2.1(2026-03-23, GitHub 릴리스)
문샷 최신 버전	0.7.6(2026-02-05, GitHub 릴리스)
GitHub Stars(툴킷)	별 79개, 포크 24개, 기여자 20명
GitHub Stars(문샷)	별 337개, 포크 65개, 기여자 20명
프레임워크 최초 출시	2022-05-25 (MVP)
GenAI 프레임워크 업데이트	2025-05-29
지원 플랫폼	웹, API, 데스크탑

조직 배경: AI 검증 재단은 싱가포르 정부 기관 IMDA가 전액 출자한 자회사입니다. 즉, 거버넌스 프레임워크가 싱가포르의 AI 거버넌스 정책(및 이를 벤치마킹하는 미국 및 유럽 프레임워크)과 자연스럽게 일치하며 국경 간 규정 준수가 필요한 다국적 기업에 적합합니다.

이중 도구 전략: AI 검증 도구 키트는 기존 지도 학습 모델(분류/회귀, 표 형식/이미지 데이터)을 다루고 Project Moonshot은 LLM 평가 및 레드팀 테스트를 다룹니다. 둘은 상호보완적이지만 중첩되지는 않습니다. 기업은 자체 AI 자산 유형에 따라 해당 도구 체인을 선택해야 합니다.

커뮤니티 규모: 두 개의 핵심 창고에는 총 약 416개의 별이 있습니다. 규모는 작지만 대부분의 기여자는 IMDA 공식팀과 정부 관련 기관 출신이다. 커뮤니티의 자발적인 성장형이 아닌 정부주도의 오픈소스입니다.

사용자 및 시장 인지도

AI 검증의 시장 인지도는 커뮤니티의 자발적인 열정보다는 정부 간 협력과 다국적 기업의 참여라는 두 가지 수준에 주로 반영됩니다.

정부간 벤치마킹: AI 검증 테스팅 프레임워크는 미국 NIST AI RMF, EU AI Act, OECD, G7 히로시마 프로세스 등 국제 프레임워크와 교차 매핑(Crosswalk)을 완료했습니다. 2025년 5월, NIST AI RMF 생성 AI 프로필을 갖춘 Crosswalk의 새 버전이 출시되었습니다. 이는 AI 검증을 사용하는 기업이 다중 관할권 준수 요구 사항을 처리할 때 중복 평가 비용을 줄일 수 있음을 의미합니다.

기업 참여: 프리미어 회원에는 AWS, Dell, Google, IBM, Microsoft, Salesforce, Red Hat, Resaro 등이 포함됩니다. 일반 회원에는 Ant Group Temus, ACCA 등이 포함되며 기술, 금융, 감사 등 다양한 산업을 포괄합니다. 이들 회원은 재정적 지원뿐만 아니라 도구 개발 및 테스트 표준 설정에도 직접 참여합니다.

파일럿 검증: 2025년 2월에 시작된 글로벌 AI 보증 파일럿에는 30개 이상의 조직에서 100명 이상의 참가자가 참여하여 금융부터 의료까지 다양한 산업 분야의 GenAI 애플리케이션에 대한 실제 테스트를 다루었습니다. 2025년 7월 Global AI Assurance Sandbox로 업그레이드되어 테스트 생태계를 지속적으로 확장할 예정입니다.

사용자 리뷰: X0PA(AI 채용 플랫폼)는 툴킷을 "AI 시스템의 공정성을 평가하고 개선하기 위한 강력한 프레임워크를 제공"한다고 평가하고 Dell은 "조직이 정직하고 공정하며 공평한 시스템을 달성할 수 있는 통합 프레임워크를 제공한다"고 밝혔으며 싱가포르 항공은 "AI 시스템 자체 평가를 위한 훌륭한 출발점"이라고 믿습니다.

비용 이점

AI 검증의 비용 구조는 정부 상황과 직접적으로 관련되어 있어 상용 AI 거버넌스 도구와 크게 다릅니다.

C측/개별: AI 검증 테스트 프레임워크의 PDF 및 Excel 버전을 무료로 다운로드하여 사용할 수 있습니다. Project Moonshot과 AI 검증 툴킷은 모두 라이센스 비용이 없는 Apache 2.0 오픈 소스입니다. 개별 개발자 또는 소규모 팀은 GitHub에서 직접 복제하여 사용할 수 있습니다.

API/개발자: Project Moonshot은 Python 라이브러리(pip install aiverify-moonshot[all]), Web API 및 CLI를 완전 무료로 제공합니다. 개발자는 LLM API 호출 비용(평가 중 대상 모델을 연결하여 발생하는 추론 비용)과 인프라 비용(예: GPU 서버)을 부담해야 합니다. AI 검증 툴킷은 로컬 또는 기업 내에서 배포하고 실행해야 합니다.

기업/개인: 모든 도구는 자체 호스팅 배포를 지원하며 소프트웨어 라이선스 비용은 없습니다. 기업의 실제 비용은 배포 및 운영 및 유지 관리 인력, 테스트 데이터 준비 AI 모델 API 호출 비용, 규정 준수팀 학습 프레임워크 적용 비용에 집중되어 있습니다. 제3자 테스트 및 인증이 필요한 기업을 위해 AI 테스터 인증 프로그램(2026년 5월 출시)을 통해 공식적으로 인정된 테스트 서비스 제공업체 목록을 제공합니다. 관련 감사 수수료는 서비스 제공업체의 견적에 따라 달라집니다.

자유로운 진실: 오픈소스에 라이선스 비용이 없는 것은 사실이지만, 직원 교육, 테스트 컨텍스트 구축, 지속적인 규정 준수 모니터링 등 AI 검증 프레임워크를 완전히 구현하는 데 관련된 숨겨진 비용은 무시할 수 없습니다. 상용 AI 거버넌스 플랫폼(예: IBM AI 거버넌스, Google Vertex AI 거버넌스)과 비교하여 AI 검증은 명시적 비용이 더 낮지만 더 높은 내부 기술 역량과 거버넌스 성숙도가 필요합니다.

주요 기능

AI 검증의 핵심 기능은 3계층 구조로 구성되어 있으며, 각 계층은 서로 다른 사용 역할을 맡습니다.

• AI 검증 테스트 프레임워크(거버넌스 프레임워크 레이어): 11가지 국제 AI 거버넌스 원칙에 대한 구조화된 평가 방법을 제공합니다. 각 원칙은 원칙→결과→과정→증거의 4단계 진행형 구조로 구성됩니다. 프레임워크는 PDF/Excel 양식을 다운로드하여 독립적으로 사용하거나 툴킷 또는 Moonshot과 결합하여 규정 준수 보고서를 생성할 수 있습니다. 규정 준수 팀과 감사자에게 적합합니다.

• AI 검증 툴킷(기존 AI 테스트 레이어): 지도 학습 분류 및 회귀 모델을 위해 공정성(편향 감지), 견고성(이미지 손상/적대적 샘플), 해석성(SHAP 값), 보안(데이터 유출 테스트)과 같은 기술 테스트를 제공합니다. 테이블 데이터와 이미지 데이터를 지원하며 테스트 완료 후 맞춤형 보고서를 생성할 수 있습니다. 현재 버전 2.2.1에는 Veritas Financial Compliance Test Suite도 통합되어 MAS의 보안 기준 요구 사항을 충족합니다.

• Project Moonshot(LLM 평가 계층): 성능(정확성 BLEU), 신뢰할 수 있는 보안(편향, 독성, 환각) 등과 같은 다차원 평가를 다루는 100개 이상의 오픈 소스 벤치마크 데이터 세트를 제공합니다. 여러 LLM 엔드포인트에 대한 테스트를 동시에 수행하기 위해 자동화된 레드팀 공격(적대적 단서를 생성하기 위해 생성적 LLM과 결합된 연구 중심 알고리즘 전략 기반)을 지원합니다. CI/CD 파이프라인 통합을 지원하는 HTML 대화형 보고서 및 JSON 원시 데이터 내보내기를 제공합니다. 현재 버전은 0.7.6입니다.

숨겨진 연결: 세 개의 레이어는 독립적으로 작동하지 않습니다. 프레임워크 레이어의 평가 결과는 Toolkit/Moonshot의 기술 테스트 항목에 직접 매핑될 수 있으며 테스트 보고서는 프레임워크 레이어의 규정 준수 설명을 역으로 확인할 수 있습니다. 예를 들어 규정 준수 팀은 먼저 프레임워크를 사용하여 원칙 수준 자체 검사를 완료한 다음 이를 엔지니어링 팀에 전달하여 Moonshot을 사용하여 특정 레드팀 테스트를 수행합니다. 최종 테스트 데이터는 프레임워크 보고서에 자동으로 채워져 관리에서 기술로의 연결을 형성합니다.

모델 및 버전의 진화

관련 내용은 아직 공개되지 않았으니, 공식 실시간 페이지를 참고해주시기 바랍니다.

기술적인 장점

AI 검증의 기술적 장점은 단일 성능 매개변수가 아닌 '정부 수준의 프레임워크 일관성 + 오픈소스 툴체인 적용 범위'의 조합에서 비롯됩니다.

프레임워크 정렬: AI 검증 테스트 프레임워크는 NIST AI RMF, ISO 42001 및 EU AI Act의 상위 원칙에 교차 매핑되었습니다. 이는 기업이 AI 검증을 사용하여 규정 준수 평가를 수행할 때 해당 출력을 부분적으로 재사용하여 다른 관할권에서 규정 준수 검토를 처리할 수 있어 반복 평가 비용을 줄일 수 있음을 의미합니다. 메커니즘은 Crosswalk 문서가 단순히 정렬을 선언하는 것이 아니라 프레임워크 간의 개념적 동등성을 명확하게 표시한다는 것입니다.

이중 툴 체인은 모든 모드를 포괄합니다: 툴킷은 기존 ML의 테이블/이미지 모델을 포괄하고 Moonshot은 LLM의 텍스트/대화 모델을 포괄합니다. 둘은 테스트 방법론에서는 통합되어 있지만 기술 구현에서는 독립적입니다. 이러한 세분화는 LLM 시나리오에 기존 ML 테스트 방법을 적용하는 것을 방지하고 단일 도구 체인이 과도하게 확장되는 것을 방지합니다.

모듈식 아키텍처(2.0+): Toolkit 2.0은 apigw(API 게이트웨이), 포털(프런트 엔드 포털), test-engine(테스트 엔진), test-engine-worker(테스트 작업 노드) 및 공유 라이브러리(공유 라이브러리)의 5개 구성 요소 아키텍처로 리팩터링되었습니다. 테스트 알고리즘은 전체 릴리스 주기를 차단하지 않고 독립적으로 개발, 배포 및 업데이트할 수 있는 독립적인 Python 모듈로 실행됩니다.

자동화된 레드팀 기능: Moonshot은 전통적으로 수작업에 의존했던 레드팀 테스트를 부분적으로 자동화하고, 알고리즘 전략(예: 경사/규칙 기반 적대 생성) 및 생성적 LLM 지원 테스트 사례 생성을 사용하여 여러 LLM 엔드포인트에 대한 병렬 공격 테스트를 달성합니다. 이것이 순수 벤치마킹 도구와 Moonshot의 주요 차별화 기능입니다.

적용 가능한 시나리오 알림: 프레임워크의 높은 정렬로 인한 유연성은 전문 솔루션만큼 깊지 않다는 것을 의미합니다. 특정 유형의 AI 편견 또는 보안 취약성을 탐지하려면 Anthropic의 탈옥 평가 프레임워크인 Meta의 Purple Llama와 같은 특수 도구를 사용하여 보완해야 할 수도 있습니다.

사용방법

AI 검증의 사용 진입은 다양한 역할과 테스트 목표에 따라 세 가지 경로로 구분됩니다.

사용 방법	군중에게 적합	핵심사업	비용
테스트 프레임워크 문서	규정 준수 팀, 감사자	PDF/Excel을 다운로드하여 11가지 원칙에 따라 자가진단을 완료하고 정렬 보고서 생성	무료
AI 검증 툴킷	데이터 과학자 ML 엔지니어	로컬 컨텍스트 배포, 모델 및 데이터 세트 로드, 공정성/강건성 테스트 실행 및 보고서 내보내기	무료 오픈소스, 자체 인프라 준비 필요
프로젝트 문샷	LLM 개발자, 보안팀	pip install aiverify-moonshot[all], LLM 엔드포인트에 연결, 벤치마크 또는 레드팀 공격 실행, HTML 보고서 생성	무료 오픈 소스, LLM API 호출 비용이 필요합니다

Project Moonshot으로 빠르게 시작하세요:

``배쉬

문샷 설치

pip install "aiverify-moonshot[전체]"

테스트 자산 및 웹 UI 복제

python -m Moonshot -i Moonshot-데이터 -i Moonshot-ui

웹 UI 시작

python -m 문샷 웹

브라우저를 엽니다 http://localhost:3000/

또는 대화형 CLI를 시작합니다.

python -m Moonshot cli 대화형

**일반적인 구현 경로**: 규정 준수 팀은 먼저 프레임워크 PDF를 다운로드하고 원칙 수준의 자체 검사를 완료하고 → 기술 검증이 필요한 AI 시스템을 식별하고 → ML 팀이 툴킷을 사용하여 기존 모델의 공정성/강건성 테스트를 실행하고 → LLM 팀이 Moonshot을 사용하여 벤치마킹 및 레드팀 테스트를 수행하고 → 테스트 결과로 프레임워크 보고서를 채우고 → 완전한 AI 확인 규정 준수 보고서를 생성합니다.

## 제품 가격

AI 검증의 모든 핵심 도구는 Apache 2.0 라이선스에 따른 오픈 소스이며, 공개 가격 정보는 다음과 같습니다.

- **C 측/개인 개발자**: 프레임워크 문서는 무료로 다운로드할 수 있으며, Toolkit 및 Moonshot은 완전한 오픈 소스이며 무료입니다. 개인 용도의 경우 실제 비용은 LLM API 호출 비용(Moonshot 검토 당시)과 컴퓨터 인프라 비용뿐입니다.
- **팀/기업 셀프 호스팅**: 소프트웨어에 대한 라이선스 비용은 없으며 비용은 배포 및 운영(Docker/K8s), 스토리지 및 컴퓨팅 리소스에 집중됩니다. 툴킷 배포에는 최소 4개의 코어와 16GB RAM을 갖춘 서버가 필요합니다.
- **제3자 테스트 및 인증**: AI 테스터 인증 프로그램(2026년 5월 출시)은 공식적으로 인정된 제3자 테스트 서비스 제공업체를 제공합니다. 관련 감사 및 인증 수수료는 서비스 제공업체의 견적에 따라 달라집니다. 공식 참고 가격은 공개되지 않습니다.
- **재단 회원**: AI Verify 재단에 가입하면 기업은 전략적 영향력과 거버넌스 위원회 자리를 얻을 수 있습니다. 멤버십 비용은 공식 비즈니스 커뮤니케이션에 따라 결정되며 표준 가격은 공개되지 않습니다.

**상용 솔루션 비교**: IBM AI Governance(자산 규모에 따라 청구) 및 Google Vertex AI Governance(평가 횟수에 따라 청구)와 같은 상용 플랫폼과 비교할 때 AI 검증의 소프트웨어 비용은 0이지만 기업은 보다 강력한 자체 배포 및 자체 운영 기능을 보유해야 합니다. 총 소유 비용(TCO)은 사내 인력과 상용 플랫폼 구독료 간의 균형에 따라 달라집니다.

## 애플리케이션 시나리오

AI 검증의 일반적인 구현 시나리오는 AI 규정 준수 및 보안 요구 사항을 충족해야 하는 규제 산업에 집중되어 있습니다.

- **금융 산업의 AI 규정 준수**: MAS의 규제를 받는 은행, 보험 및 기타 금융 기관은 AI 검증 툴킷의 Veritas 제품군을 사용하여 신용 평가, 사기 방지 및 기타 모델의 공정성과 보안을 검증하여 MAS의 AI 거버넌스 지침을 충족할 수 있습니다. 프레임워크와 결합하여 규제 검사에 대응하기 위한 원칙부터 증거까지 전체 링크 문서를 완성합니다.

- **LLM 보안 벤치마킹 및 레드 팀 구성**: 기업은 생성 AI 애플리케이션을 배포하기 전에 Project Moonshot을 사용하여 기본 및 미세 조정 모델에 대한 벤치마킹(편향, 독성, 환각) 및 자동화된 레드 팀 공격을 수행합니다. Moonshot의 HTML 보고서는 AI 안전위원회의 위험 검토를 위한 기초로 직접 사용될 수 있습니다. 실제 이점은 휴먼 레드 팀을 "주문형 실행"에서 "지속적 통합"으로 이동하는 것입니다.

- **국경 간 AI 거버넌스 조정**: 미국과 중국 모두에 사업장을 두고 있는 싱가포르 기업은 NIST AI RMF 및 ISO 42001과 함께 AI 검증 프레임워크의 교차 매핑을 사용할 수 있습니다. 일련의 평가 결과는 여러 위치에서 규정 준수 요구 사항을 동시에 충족하고 병렬 평가 작업의 중복을 줄일 수 있습니다. 실제로 현지 법률 및 규정의 차이를 해결하기 위해서는 추가 검토가 여전히 필요합니다.

- **정부 및 공공 부문 AI 조달 승인**: 정부 기관은 AI 시스템을 구매할 때 AI 확인 규정 준수 보고서를 공급업체의 결과물 중 하나로 나열하여 승인을 위한 정량적 기반으로 사용할 수 있습니다. 싱가포르 정부는 이미 이러한 관행을 장려하고 있습니다.

## 해당자

AI 검증의 다층 설계를 통해 각 역할은 서로 다른 수준의 기능에 중점을 두는 세 가지 유형의 핵심 역할을 수행할 수 있습니다.

- **컴플라이언스 및 리스크 관리팀**: AI 거버넌스 프레임워크 구축 및 규제 점검 대응이 필요합니다. 주로 테스트 프레임워크의 11가지 원칙 자체 점검 프로세스와 횡단보도 매핑 문서를 사용하여 준수 보고서를 생성합니다. 전제 조건은 AI 거버넌스에 대한 기본 지식을 갖추고 규제 요구 사항(예: EU AI Act, MAS 지침)을 이해하는 것입니다.

- **AI/ML 엔지니어 및 데이터 과학자**: 모델의 기술적 안전성을 검증해야 합니다. 기존 ML 시나리오에서는 공정성과 견고성 테스트를 위해 AI 검증 도구 키트를 사용합니다. LLM 시나리오는 벤치마킹 및 레드팀 테스트를 위해 Project Moonshot을 사용합니다. 전제 조건은 모델 배포 환경과 Python/Pip 도구 체인에 익숙하다는 것입니다.

- **제3자 감사 및 테스트 기관**: 독립적인 AI 감사 서비스를 제공합니다. AI 테스터 인증 프로그램을 활용해 공식적으로 인정되는 자격을 취득할 수 있으며, AI 검증 툴 체인을 활용해 표준화된 테스트를 수행하고 고객에게 인증 보고서를 발행할 수 있다.

**경계에 적합하지 않음**: AI 검증은 심층적으로 맞춤화된 원래 보안 전략이 필요한 팀에는 적합하지 않습니다(프레임워크는 전문 솔루션이 아닌 일반적인 지침을 제공함). AI 거버넌스 및 내부 프로세스에 대한 인식이 없는 조직에는 적합하지 않습니다(도구를 구현하려면 조직 성숙도의 협력이 필요함). 또한 단일 차원만 필요한 신속한 탐지 시나리오에도 적합하지 않습니다(예: LLM 환상만 테스트, 커뮤니티별 도구는 더 가볍습니다).

## 요약 및 전망

AI 검증의 핵심가치는 정부기관이 주도하는 보기 드문 AI 거버넌스 테스트 시스템이자 완전한 오픈소스라는 점이다. 이는 국제적으로 조정된 11개의 거버넌스 원칙을 최상위 계층으로 기반으로 하며 Toolkit(기존 AI) 및 Moonshot(LLM)이라는 두 가지 도구 체인을 통해 원칙부터 기술까지 전체 평가 주기를 다룹니다. 국경 간 규정 준수 요구 사항을 처리해야 하는 규제 대상 기업의 경우 "한 세트의 평가, 여러 장소에서 재사용" 경로를 제공합니다.

**현재 제한 사항**: 도구 체인의 커뮤니티 규모는 상업용 경쟁사보다 훨씬 작으며(2개의 핵심 웨어하우스 총 별 수는 약 416개), 문서화 및 기술 지원은 공식 IMDA 팀에 의존하며, 문제 대응 및 기능 반복 속도는 빠르게 진화하는 상업용 AI 거버넌스 플랫폼만큼 빠르지 않습니다. Moonshot은 아직 베타 버전이므로 프로덕션 환경에 대규모로 배포하기 전에 안정성을 검증해야 합니다. Framework의 자체 평가 모델은 당연히 조직의 정직성에 의존하며 독립적인 검증 메커니즘이 부족합니다(이 격차는 AI 테스터 인증 프로그램에 의해 채워지고 있습니다).

**구현 제안**: 프레임워크 PDF를 사용하여 내부적으로 빠른 원칙 수준 자체 검토(약 1~2주)를 완료하여 실제로 기술 검증이 필요한 AI 시스템의 우선순위를 파악한 다음 해당 도구 체인(Toolkit 또는 Moonshot)을 선택하여 1~2개의 파일럿 시스템에 대한 기술 테스트를 완료하는 것이 좋습니다. Moonshot/Toolkit을 구매하기 전에 기업은 테스트 데이터와 자체 시나리오 간의 일치, 비즈니스별 위험을 다루는 레드팀 모듈의 능력, 대상 규제 관할권에서 프레임워크 보고서의 수용 정도 등을 확인하는 데 집중해야 합니다.

관련 도구: originality-ai, gptzero
## AI 검증 버전의 진화

AI 검증의 버전 발전은 두 가지 제품 라인과 프레임워크 자체의 반복을 따릅니다.

### AI 검증 툴킷 메인 라인

- **2.2.1** (2026-03-23): 프로덕션 용도로는 버그 수정, 플러그인 업데이트가 포함된 최신 안정 버전을 권장합니다.
- **2.0.0**(~2025): 단일 애플리케이션에서 모듈식 아키텍처(apigw, 포털, 테스트 엔진, 테스트 엔진 작업자, 공유 라이브러리)로 분할된 아키텍처 재구성 버전으로, 메커니즘을 실행하는 독립적인 테스트 알고리즘과 Veritas 금융 규정 준수 통합을 도입합니다.
- **1.0**(2022-05-25): 기존 ML 모델의 기본적인 공정성 및 견고성 테스트를 지원하는 MVP가 출시되었습니다.

### 프로젝트 문샷 메인라인

- **0.7.6** (2026-02-05): 최신 버전은 IMDA 스타터 키트 통합 웹 UI 개선 및 레드팀 모듈 개선을 지원합니다.
- **0.1.0** (2024-05-31): 최초 공개 릴리스, "세계 최초의 LLM 평가 툴킷 중 하나"로 자리매김.
- 프로젝트는 아직 베타 단계에 있으며, 반복 빈도는 월 1~2개 정도이며, GitHub에는 26개의 릴리스가 있습니다.

### 프레임워크 마일스톤

- **2022-05-25**: 국제 파일럿을 위해 AI 검증 테스트 프레임워크 MVP가 출시되었습니다.
- **2023-06-07**: 프레임워크와 툴킷은 완전 오픈 소스이며, AI 검증 재단이 설립되었습니다.
- **2023-10-13**: US NIST AI RMF와의 크로스 매핑 출시.
- **2024-05-31**: Project Moonshot 출시, GenAI용 모델 AI 거버넌스 프레임워크 출시.
- **2025-05-29**: GenAI 평가를 공식적으로 다루고 NIST GenAI 프로필, Hiroshima Process CoC 및 ISO 42001과의 교차 매핑을 추가하는 향상된 버전의 프레임워크가 출시되었습니다.
- **2026-05-18**: 제3자 AI 테스트 및 인증 시스템 구축을 위해 AI 테스터 인증 프로그램이 출시되었습니다.

버전 정보

• AI 검증 툴킷 2.2.1 ：모듈식 아키텍처를 기반으로 재작성된 안정적인 최신 버전의 AI 검증 툴킷은 독립적인 테스트 알고리즘 모듈 작동, 재설계된 백엔드 테스트 엔진, 새로운 버전의 프런트엔드 워크플로우 Veritas 금융 규정 준수 통합 및 향상된 컴퓨터 비전 테스트 지원을 지원합니다. （2026-03-23）
• AI 검증 툴킷 2.0.0 ：주요 아키텍처 업그레이드, 모듈식 설계 채택, 독립적인 테스트 알고리즘 엔진 도입, 새로운 프런트엔드 워크플로우, Veritas 금융 규정 준수 테스트 제품군 통합. 아직 공식적인 정확한 날짜는 없습니다. （~2025）
• 프로젝트 문샷 0.7.6 ：Project Moonshot(LLM 평가 툴킷)의 최신 버전은 100개 이상의 벤치마크 데이터 세트, 자동화된 레드팀 공격 모듈 웹 UI 및 CLI 이중 운영 인터페이스 CI/CD 통합 보고서 생성을 지원합니다. （2026-02-05）
• AI 검증 MVP ：AI 검증 테스트 프레임워크와 소프트웨어 툴킷은 국제 커뮤니티의 파일럿과 피드백을 요청하여 MVP 형태로 처음 출시되었으며 IMDA와 PDPC가 공동으로 출시했습니다. （2022-05-25）