MongoDB와 VScode 이용한 드라이빙app 개발 일지 (2022.2.10)

 실제로 진행되는 프로젝트이므로 코드는 공개하지 않습니다.

1. 비밀번호 변경

비밀번호를 변경해야 하는 상황이 왔다. 하지만 그냥 아이디, 비밀번호만 하기에는 보안이 너무 취약하다.. 따라서 본인인증을 수단을 생각하니 SMS인증을 시도했다. 어차피 우리 어플리케이션을 사용하려면 전화번호를 입력해야했다. 따라서 이제 SMS 전송 API를 공부하기 시작했다.


2. SendSMS모듈 제작

일단 기본적으로 네이버에서 제공하는 SENS(Simple & Easy Notification Service) 서비스를 이용하기로 했다. 그래서 공식 REST문서를 읽어가며 만지작 거리던 중 계속 오류가 났다. 하루종일 머리를 싸메다가 결국 발견한건 request라는 함수를 더이상 사용하지 않는다는것 즉 나는 요청을 보낼 수 없는 코드를 가지고 하루종일 머리를 싸멘 것이였다. 결국 axios로 변경하니 정상적으로 메일이 발송되었다.


수많은 노력의 흔적들.jpg


3. 인증번호 저장 및 인증 절차

이제 가장 큰 문제가 남았다. 인증 번호를 발송한 것 까지는 좋았으나 인증번호를 확인하고 인증 절차를 구성하는데 자꾸 인증번호를 넘기지 못하는 오류가 났다. 결국 캐시메모리를 사용하는 라이브러리를 임포트하고 나서야 인증이 가능해졌고 그 뒤의 비밀번호 재설정의 경우는 크게 어렵지 않게 구현하였다. 

4. 다음 Task
이제 다음은 카카오톡으로 로그인이다. 카카오톡으로 로그인을 구현하려면 토큰, 인증, 카카오톡 API등 공부해야 할게 더 많아. 산넘어 산이다. 잘 할 수 있을까 걱정이 된다.  

참고로 네이버 SENS에서 문자의 경우 50통까지는 매달 무료로 하며 그 이후 한통당 7원이 부과된다. 알림톡의 경우는 무료가 없으며 각 5원이 부과됨으로 본인에게 맞는 걸 사용하기를 바란다. 우리는 아직 개발중이라 일정 비율 무료인 SMS를 사용해 개발하였다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

MongoDB와 VScode 이용한 드라이빙app 개발 일지 (2022.4.10)

 1. 카카오 API 사용을 통한 토큰 발급  일단 카카오 로그인을 구현하려면 카카오에서 제공하는 api를 이용해야 했다.  https://developers.kakao.com/docs/latest/ko/message/rest-api 공식 카카오톡 api 문서이다. 이전에 말했던 대로 우리는 사업자 등록이 5월로 예정되어있어 아직 카카오톡으로 전화번호 등 몇몇 필요한 정보를 가져올 수는 없었다.  따라서 카카오톡 선택 요구 정보를 프로필, 성별, 이메일로 한 후 토큰 발급을 실행했다.  전체적인 프로세스는 다음과 같았다. (첫 등록일 경우) 첫 등록 확인 - join 등록, 카카오톡에 인증 요청 - 카카오톡 토큰 발급 완료시 - 토큰 처리해 - 필요 정보 확인 후 자동 회원가입  (기존 사용자의 경우) 기존에 등록 확인 - kakao login 등록 - 카카오톡 로그인 -  인증 완료시 프로젝트 로그인 토큰 발급까지 연동 첫 등록의 경우 기존의 회원가입 미들웨어를 이용함과 동시에 위의 카카오 api를 이용하여 새로운 엔드포인트를 만들었다.  기존 사용자의 경우 조금 복잡하게 구현하다 카카오에서 발급 받은 토큰에서 정보를 읽어 기존의 사용자인지 확인하는 미들웨어를 짜고 구현해두었던 로그인 토큰 발급과 연결해서 새로운 엔드 포인트를 만드는 방식으로 해결하였다. 2. 벡엔드 관리, 보수  기존의 sms send 모듈에 관련하여 네이버 api 계정의 등록자 변경관련 논의와 현재 있는 미들웨어들의 표시형식 통일, 중복 부분 수정 등의 작업을 따로 진행했다. 또한 카카오톡 로그인 구현 중 로그인 에러가 나와 그것 또한 수정했다. 3. 개발환경  개발은 github,VScode, postman, mongoDB를 활용해 진행하고 있으며 특히 카카오 Api를 실험하는데 가상으로 토큰을 발급받고 인증하는 것이 가능한 postman이 큰 도움이 되었다. 4. 팀을 떠나며  초기에 아무것도 없는 상태에서 여러가지 미들웨어를 만들기도 했고 처음 만져보는 기술들을 사용해보기도 했다.
자세한 내용 보기

다양한 계층 구현을 통한 오차역전파법 구현하기(2)

 저번에 포스팅을 이어서 하도록 하겠다. 이번 포스팅할 코드는 오차 역전파법을 이용해 2층 신경망 클래스의 구현이다. 다만 실제 학습하는 것은 생략하고 각각의 구현에 대해서 설명하도록 하겠다. 일단 먼저 구현하는 코드를 보기 전에 이 코드에 들어가는 함수들에 대해 설명하겠다. 1. sigmoid: 시그모이드 함수를 구현한 것이다. 2. softmax: 소프트맥스 함수를 구현한 것이다. 3. cross_entropy_error: 교차앤트로피 오차를 구현한 것이다. 4. numerical_gradient: 가중치 매개변수의 기울기를 구한다.  그럼 코드를 보도록 하겠다. import sys , os sys.path.append(os.pardir) from common.functions import * from common.gradient import numerical_gradient class TwoLayer: # 초깃값 초기화 def __init__ ( self , inputs , hiddens , outputs , w= 0.01 ): # 딕셔너리 선언 self .params = {} #KEY 값으로 값 설정           self .params[ 'W1' ] = w * np.random.randn(inputs , hiddens) self .params[ 'b1' ] = np.zeros(hiddens) self .params[ 'W2' ] = w * np.random.randn(hiddens , outputs) self .params[ 'b2' ] = np.zeros(outputs) # 예측 진행 -(foward) def pre ( self , x): w1 , w2 = self .params[ 'W1' ] , self .params[ 'W2' ]
자세한 내용 보기