울산과학기술원(UNIST)에서 AI 학습 과정 속 개인정보 침해를 방지하면서도 학습 효율을 높이는 기술을 개발했다.

UNIST는 지난 1일 인공지능대학원 윤성환 교수팀이 통해 AI ‘연합학습’ 기술을 활용한 새로운 학습방법 ‘FedGF’을 개발했다고 2일 밝혔다.

AI는 딥러닝을 통해 학습하는데, 이 과정에서 중앙 서버에 사용자의 개인적인 데이터가 수집된다는 문제가 존재한다.

이를 해결하기 위해 최근 업계에서는 중앙 서버 대신 본인의 데이터를 활용해 미리 학습한 후 학습된 모델만 중앙 서버에 보내는 ‘연합학습’ 기술을 사용하고 있다.

연합학습 기술을 사용하면 중앙 서버에 사용자 데이터가 전송되지 않아 보안이 강화되지만, 각 사용자의 데이터 이질성으로 딥러닝 모델의 학습 효율이 떨어졌다.

이에 UNIST 연구팀은 연합학습에서 사용자의 로컬 모델뿐만 아니라 글로벌 모델의 일반화 성능을 높이는 방법을 개발했다.

AI 연합학습 기술을 개발한 UNIST 윤성환 교수팀 [UNIST 제공]

일반화 성능이란 딥러닝 모델을 학습시킨 데이터 분포가 변했을 때 모델의 성능 변화를 측정하는 기준이다.

UNIST 연구팀은 FedGF가 기존 방법보다 적은 통신 자원으로도 완전한 학습이 가능하며, 와이파이와 같은 무선 통신 모바일 장치에 특화됐다고 밝혔다.

UNIST 윤성환 교수는 "향후 연합학습 기술은 AI로 인한 개인정보 침해 문제 해결의 핵심적인 발판이 될 것"이라는 포부를 밝혔다.

UNIST 이태환 연구원은 "FedGF를 통해 개인정보 침해 없이 높은 성능의 AI 모델을 얻을 수 있다면 IT나 의료, 자율주행 등 다양한 분야에서 AI의 활용이 더욱 활발해질 것으로 기대한다"라고 덧붙였다.