InfoLab
반도체시스템공학과 이시현
InfoLab은 KAIST 전기 및 전자공학부 소속 이시현 교수의 지도 아래, 정보 이론, 무선 통신, 통계적 추론, 머신러닝 등 첨단 정보통신 분야의 이론과 실용적 시스템 설계를 아우르는 연구를 수행하고 있습니다. 본 연구실은 통신 시스템의 근본적인 이론적 한계 분석과, 실제 환경에서의 최적화 및 설계 기술 개발을 동시에 추구하며, 차세대 정보통신 기술의 혁신을 선도하고 있습니다.
무선 통신 분야에서는 지상, 공중, 우주를 아우르는 멀티레이어 네트워크, 재구성 가능한 지능형 표면(RIS), 엣지 컴퓨팅 등 첨단 기술을 활용하여, 넓은 커버리지와 높은 전송 속도, 낮은 지연을 달성하는 차세대 통신 인프라를 연구합니다. 또한, UAV 기반 통신, IoT 네트워크, 에너지 효율적 엣지 컴퓨팅 등 다양한 응용 분야로 연구를 확장하고 있습니다.
프라이버시 보호와 보안 통신 분야에서는 차별적 프라이버시, 시크릿 통신, 은닉 통신 등 정보의 안전한 전송과 데이터 프라이버시 보장을 위한 이론 및 실용적 알고리즘을 개발합니다. 특히, 빅데이터 분석, 머신러닝, 메타버스 등 다양한 데이터 환경에서의 프라이버시 보호 기술과, 군사·금융·의료 등 고신뢰 보안이 요구되는 분야에 적용 가능한 보안 프로토콜을 연구합니다.
머신러닝 및 인공지능 분야에서는 분산 학습, 연합 학습 등 데이터 프라이버시와 AI 성능을 동시에 만족시키는 차세대 학습 기술을 개발하고 있습니다. 클라이언트 데이터 부족, 통신 비용 최소화, 비동기적 학습 환경 등 현실적 제약 조건을 극복하는 혁신적 알고리즘을 제안하며, 실제 산업 현장에 적용 가능한 연구 성과를 창출하고 있습니다.
InfoLab은 이론과 실용을 아우르는 폭넓은 연구를 통해, 미래 정보사회에서 요구되는 신뢰성, 안전성, 효율성을 갖춘 정보통신 시스템의 발전에 기여하고 있습니다. 세계적 학술지 및 국제 학회에서 활발히 연구 성과를 발표하며, 산업계와의 협력을 통해 실질적인 사회적 파급 효과를 창출하고 있습니다.
Federated Learning
Covert Communication
UAV Trajectory Optimization
무선 통신 및 네트워크 정보 이론
InfoLab은 무선 통신 기술의 혁신을 선도하는 연구실로, 지상, 공중, 우주 등 다양한 계층을 아우르는 멀티레이어 통신 시스템의 효율적 설계와 최적화에 집중하고 있습니다. 본 연구실은 차세대 무선 통신에서 요구되는 넓은 커버리지, 높은 전송 속도, 낮은 지연, 그리고 인공지능 기반 서비스 지원을 위한 핵심 기술 개발에 주력하고 있습니다. 이를 위해 재구성 가능한 지능형 표면(RIS)과 엣지 컴퓨팅 등 첨단 기술을 활용하여 통신 인프라의 성능을 극대화하고 있습니다.
네트워크 정보 이론은 다양한 통신 네트워크에서 정보의 전송, 저장, 보안에 관한 근본적인 이론을 다루는 분야로, InfoLab은 이론적 연구와 실용적 시스템 설계를 동시에 추진합니다. 특히, 무선 네트워크의 용량 한계, 간섭 관리, 협력 통신, 다중 사용자 환경에서의 최적화 문제 등 다양한 주제를 심도 있게 연구하고 있습니다. 이러한 연구는 실제 통신 시스템의 성능 향상뿐만 아니라, 미래의 6G 및 그 이후의 통신 패러다임 변화에 대응하는 데 중요한 역할을 합니다.
최근에는 UAV(무인항공기) 기반 통신, IoT 네트워크, 에너지 효율적 엣지 컴퓨팅 등 다양한 응용 분야로 연구를 확장하고 있습니다. InfoLab의 연구는 IEEE Transactions on Information Theory, IEEE Communications Letters 등 세계적 학술지와 국제 학회에서 활발히 발표되고 있으며, 산업계와의 협력을 통해 실질적인 기술 이전과 사회적 파급 효과를 창출하고 있습니다.
프라이버시 보호 및 보안 통신
InfoLab은 정보의 안전한 전송과 프라이버시 보호를 위한 첨단 기술 개발에 집중하고 있습니다. 최근 데이터의 활용이 폭발적으로 증가함에 따라, 개인 정보 유출과 같은 프라이버시 침해 문제가 심각하게 대두되고 있습니다. 본 연구실은 차별적 프라이버시(differential privacy)와 같은 이론적 기반을 바탕으로, 빅데이터 분석, 머신러닝, 메타버스 등 다양한 데이터 응용 환경에서 프라이버시를 효과적으로 보호하는 기술을 연구합니다. 사용자의 민감한 정보가 외부로 노출되지 않으면서도 데이터의 유용성을 최대한 보장하는 알고리즘 개발에 주력하고 있습니다.
또한, InfoLab은 보안 통신 분야에서도 세계적 수준의 연구를 수행하고 있습니다. 정보가 허가되지 않은 제3자에게 노출되지 않도록 하는 시크릿 통신(secure communication)과, 통신 자체의 존재를 숨기는 은닉 통신(covert communication) 기술을 개발하고 있습니다. 이는 군사 통신, 금융, 의료 등 높은 보안이 요구되는 분야에서 매우 중요한 역할을 하며, 실제 시스템에 적용 가능한 다양한 프로토콜과 알고리즘을 제안하고 있습니다.
이 외에도, InfoLab은 물리 계층 보안(physical layer security), 양자 정보 이론(quantum information theory) 등 차세대 보안 기술에도 적극적으로 참여하고 있습니다. 양자 얽힘과 중첩 등 양자 현상을 활용한 통신 및 데이터 처리의 근본적 성능 향상 가능성을 탐구하며, 미래 정보 사회의 신뢰성과 안전성을 확보하는 데 기여하고 있습니다.
분산 학습 및 연합 학습(Federated Learning)
InfoLab은 인공지능과 머신러닝 분야에서 분산 학습 및 연합 학습(federated learning) 기술의 이론적·실용적 발전에 앞장서고 있습니다. 연합 학습은 각 사용자의 데이터를 중앙 서버로 전송하지 않고, 개별 단말기에서 AI 모델을 학습한 후 그 결과만을 서버에 공유하는 방식입니다. 이를 통해 데이터 프라이버시를 보장하면서도, 다양한 환경에서 강인한 AI 모델을 구축할 수 있습니다. InfoLab은 다양한 학습 시나리오에서 견고한 연합 학습 모델을 개발하고, 실제 응용에 적합한 알고리즘을 연구합니다.
특히, 클라이언트 데이터 부족 문제, 통신 비용 최소화, 비동기적 학습 환경 등 현실적인 제약 조건 하에서의 최적화 기법을 중점적으로 다룹니다. 최근에는 서버에서 비식별 데이터(unlabeled data)를 활용하거나, 통신 효율을 극대화하는 새로운 연합 앙상블(distillation) 기법 등 혁신적인 연구 성과를 내고 있습니다. 이러한 연구는 스마트폰, IoT 기기, 자율주행차 등 다양한 실제 환경에서의 AI 서비스 구현에 필수적입니다.
InfoLab의 분산 학습 연구는 IEEE, ICML 등 국제적 학술대회에서 활발히 발표되고 있으며, 산업계와의 협력을 통해 실제 시스템에 적용되고 있습니다. 앞으로도 InfoLab은 데이터 프라이버시와 AI 성능을 동시에 만족시키는 차세대 분산 인공지능 기술 개발에 지속적으로 기여할 것입니다.
1
Energy-efficient edge computing for XR via rate splitting multiple access
C. Son, S.-H. Lee
, 1970
2
Priority-aware and energy-efficient trajectory optimization for UAV-assisted SWIPT in IoT networks
K.-Y. Kim, H.-S. Im, S.-H. Lee
, 1970
3
On privacy-utility trade-offs in discrete distribution estimation under utility-optimized local differential privacy
S.-M. Yoon, H.-Y. Park, S.-H. Nam, S.-H. Lee
, 1970
