울산과학기술원(UNIST, 총장 박종래) 인공지능대학원 윤성환 교수팀은 개인정보를 보호하면서도 인공지능(AI) 성능을 높일 수 있는 연합학습(FedGF) 기술을 개발했다고 1일 밝혔다.
UNIST는 이번 연구로 온디바이스 AI 학습 과정에서 발생할 수 있는 사용자 데이터 유출 문제를 해결할 것으로 전망한다고 전했다.
연구팀은 다양한 사용자 데이터 분포 상황에서도 일관되게 높은 성능을 내는 방법을 개발했다. 기존 기술은 사용자 데이터 분포와 유사한 환경에서만 우수한 성능을 보였지만, 다른 환경에서는 성능이 낮았다는 지적이다.
연합학습은 사용자 기기에서 딥러닝 모델을 학습해 개인정보를 보호하지만, 데이터 차이로 성능에 한계가 있다. UNIST 연구진의 방법은 데이터를 중앙 서버로 보내지 않고, 각 기기에서 학습된 모델을 통해 최적화된 모델을 만들어 높은 정확도를 보였다는 설명이다.
효율성도 뛰어났다고 전했다. 기존 방법보다 적은 통신 자원으로 완전한 학습이 가능하기 떄문에 와이파이와 같은 무선통신을 사용하는 모바일 장치에 특히 유리하다고 강조했다.
윤성환 교수는 “연합학습 기술은 AI 개인정보 침해 문제 해결의 핵심적인 발판이 될 것”이라며 “IT 빅테크 기업들의 개인정보 문제와 분산 데이터 이질성 극복에 큰 도움이 될 것”이라고 말했다.
제1저자 이태환 연구원은 “FedGF 기술로 기업은 개인정보 침해 없이 높은 성능의 AI 모델을 얻을 수 있어, IT, 의료, 자율주행 등 다양한 분야에 주요 역할을 할 것”이라고 전했다.
연구 결과는 글로벌 학술대회 국제머신러닝학회(ICML)에 7월20일 자로 온라인 게재됐다. 연구는 과학기술정보통신부 지원 정보보호 국제공동연구 및 정보통신방송혁신인재양성사업을 통해 수행됐다.
박수빈 기자 sbin08@aitimes.com
