무선 채널 차등 프라이버시 기반 비식별 전송 및 DNN 복원

Privacy-Preserving De-Identification Transmission Using Differential Privacy via Wireless Channels and Deep Neural Networks

연구 내용

무선 채널을 차등 프라이버시 노이즈로 활용하고 딥러닝 인코더·디코더를 통해 비식별 이미지를 전송 복원하는 시스템을 설계하는 연구

본 연구는 딥러닝 기반 비전 파이프라인에서 전송 데이터의 프라이버시 문제를 다루기 위해 무선 채널을 차등 프라이버시(differential privacy, DP) 노이즈로 모델링합니다. Gaussian mechanism 관점에서 수신 신호를 DP 노이즈로 해석하고, 수신 SNR과 프라이버시 버짓 간의 관계를 바탕으로 송신 전력을 조절해 원하는 프라이버시 수준을 맞추는 방식을 제안합니다. 시스템은 송신기, 무선 채널, 수신기로 구성되며, 송신기는 이미지 인코더 네트워크와 전력 제어 모듈을 포함합니다. 무선 채널은 특징 벡터를 교란하여 비식별화 역할을 수행하며, 수신기는 특징을 원래의 잠재 공간으로 매핑하기 위한 post-processing 네트워크와 디코더 네트워크를 사용해 복원 품질을 유지합니다. 또한 비식별 처리가 송신단에서 수행될 필요가 없도록 설계하여 전송 부담을 줄이는 방향을 포함합니다.

관련 프로젝트

0건

연구 흐름

초기에는 차등 프라이버시의 Gaussian mechanism을 무선 채널 전송 과정에 대응시키고, 프라이버시 버짓과 전송 SNR의 관계를 정리하는 모델링 작업을 수행했습니다. 이후 이를 구현하기 위해 딥러닝 기반 인코더와 디코더 구조를 설계하고, 송신단 전력 제어만으로 비식별 강도를 조절할 수 있는 파이프라인을 구성했습니다. 다음으로 무선 채널이 교란한 특징을 복원 성능 관점에서 후처리 네트워크로 매핑하는 구조를 포함하여 수신 이미지 유용성을 확보하는 방향으로 확장했습니다. 최종적으로 얼굴 비식별과 관련된 정성·정량 평가를 통해 전송 전력 기반 제어 가능성을 확인하고, 무선 엣지 수집 시나리오에 적용 가능한 형태로 정리했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

무선 영상 비식별 전송
차등 프라이버시 노이즈 기반 익명화
송신 전력으로 프라이버시 버짓 제어
딥러닝 인코더-디코더 기반 복원
특징 벡터 교란을 통한 비식별화
CCTV 등 엣지 수집 프라이버시 보호
사용성-프라이버시 균형 최적화
전송단 추가 처리 부담 감소
얼굴 검출 성능 유지 전략
무선 전송 기반 프라이버시 규제 대응