- 게시일자
- 2020-06-29
- 조회수
- 2394
최윤호 교수연구팀, 딥러닝 프라이버시 보존 기술 개발
정보컴퓨터공학부 최윤호 교수 연구실(사진: 왼쪽부터 고동현 석사과정, 최윤호 교수)과 미국 펜실베니아주립대학교 LIONS센터 연구팀이 공동 연구한 프라이버시 보존 딥러닝 학습방법에 대한 연구 결과가 SCI(E) 저명학술지인 IEEE Access (impact factor: 4.098)에 출판 확정되었다. 부산대학교 정보컴퓨터공학부 석사과정에 재학 중인 고동현 학생이 제 1저자, 석박사통합과정 최석환, 신진명 학생이 공동저자인 이번 논문에는 연구책임자인 최윤호 교수가 교신저자, 펜실베니아주립대학교 Peng Liu 교수가 공동 저자로 참여하였다.
< 프라이버시 보존 딥러닝 학습 모델 개념도>
‘프라이버시 보존 딥러닝 (Privacy Preserving Deep Learning, PPDL)’ 관련 연구는 딥러닝 모델 학습 과정에서 입력 데이터에 포함된 민감개인정보(예: 의료정보)를 보호하는 연구분야로, 일반적으로 암호화한 데이터를 사용하여 암호화하지 않은 원본 데이터를 이용한 경우와 유사한 정확도를 얻는 것을 목표로 한다. 이번 연구에서는 OPE(Order Preserving Encryption) 암호알고리즘과 벡터 변환 과정을 통해 비식별 이미지 데이터를 생성하여 다양한 최신 CNN(Convolutional Neural Networks) 모델의 변경 없이 학습이 가능한 기법이 개발되었다.
본 연구에서 개발한 PPDL 기법의 특징은 첫째, 이미지 비식별화 처리를 통해 비 신뢰 구간인 클라우드 시스템을 이용한 외부 환경에서의 안전한 딥러닝 학습이 가능하다. 둘째, 딥러닝 모델의 연산의 사용에 제약이 없기 때문에 기존 딥러닝 학습 모델의 변경없이 그대로 사용이 가능하다. 셋째, 이미지를 벡터화 시킨 후 이미지를 이루는 형태 부분만 암호화하여 비 암호화한 데이터를 이용한 학습 결과와 유사한 정확도를 유지할 수 있다.
관련 연구 결과는 한국 및 미국 특허로 출원되어 심의 중이며, 향후 암호화 데이터를 사용한 딥러닝 알고리즘 개발 분야를 선도하고 국내외 산업계 관련 실무 기술 경쟁력을 강화할 것으로 기대된다. 이번 연구는 보건복지부 의료데이터 보호활용 기술개발사업 지원을 받아 수행되었다.
* 최윤호 교수 연구실(스프트웨어 및 시스템 보안 연구실 (S3Lab))에서는 현재 안전한 인공지능 및 블록체인 관련 연구를 진행 중이다. 구체적으로는 기계학습 알고리즘 성능 개선을 위한 adversarial example 방어 기법, 기계 학습 기반의 anomaly detection algorithm, 기계학습을 활용한 secure coding, 안전한 블록체인 플랫폼 및 스마트 계약 작성 방법을 연구하고 있다.
- 첨부파일
- 첨부파일이(가) 없습니다.