중앙대 연구진, 산업 AI 시스템의 '데이터 제거' 기술 제시

[서울=뉴시스]박시은 인턴 기자 = 중앙대학교는 산업보안학과 김호기 교수 연구팀의 새로운 시스템 데이터 제거 기술 논문이 산업공학 분야 국제 학술지 'IEEE 산업정보학 저널(IEEE Transactions on Industrial Informatics)'에 게재됐다고 11일 밝혔다.

산업 현장에서는 베어링과 같은 핵심 부품의 고장 진단을 위해 인공지능(AI) 기반 시스템이 널리 활용되고 있다. 다만 학습 데이터에 대한 삭제 요청이 발생할 경우, 대규모 데이터와 복잡한 모델 구조로 인해 재학습 비용이 높아 적용하기 어렵다. 이러한 문제는 개인정보 보호 규제와 데이터 거버넌스 요구가 강화되는 상황에서 중요한 과제로 떠오른다.

연구팀은 이를 해결하기 위해 적대적 공격(Adversarial Attack)과 의미 기반 손실 함수(Semantic-driven Loss)를 결합한 새로운 구조 'ARU'를 제안했다. 이는 사전 학습된 모델과 삭제 대상 데이터로부터 '대체 유지 표본(Surrogate Retain-like Samples)'을 생성해 실제 유지 데이터를 사용하지 않고도 모델의 구조적 안정성을 유지하도록 설계됐다.

공개 및 산업용 베어링 데이터 세트를 활용한 실험 결과, ARU는 기존의 디지털 기억 삭제 기법인 머신 언러닝(Machine Unlearning)보다 더 높은 망각 성능과 안정적인 진단 정확도를 동시에 달성한 것으로 나타났다.

개발된 기술을 통해 데이터 삭제 요청이 발생해도 기존 모델을 처음부터 다시 학습하지 않고 문제 데이터를 제거할 수 있어, 산업 현장에서의 개인정보 보호와 데이터 거버넌스 문제를 동시에 해결할 수 있을 것으로 기대된다.

김 교수는 "스마트 팩토리 등 산업 전반에 AI 활용이 확대되면서 데이터 권리 보호와 신뢰성 확보가 중요한 과제"라며 "이번 연구는 산업 AI 환경에서도 특정 데이터를 안전하게 제거할 수 있는 기술적 기반을 최초로 제시했다는 데 의미가 있다"고 말했다.


◎공감언론 뉴시스 [email protected]