Homomorphic Encryption Based Privacy-Preserving Inference and Statistical Learning Research
연구 내용
동형암호로 암호화된 입력에서 회귀·추론을 수행하고, 모델 추출 공격에 강건한 프라이버시 학습을 구현하는 연구
동형암호를 이용해 데이터가 노출되지 않는 조건에서 회귀 및 추론을 수행하는 프레임워크를 연구합니다. 프라이버시 보장 회귀를 위한 효율적인 동형암호 처리 절차를 구성하고, 위탁·아웃소싱 환경에서 계산 부담을 줄이는 방향으로 최적화합니다. 또한 모델 추출 공격에 대한 강건성을 확보하여 서비스 제공자 관점의 보안 요구를 만족시키는 추론 설계를 수행합니다. 더 나아가 IoT 기반 산업 시스템 고장진단과 전이학습을 암호화 연산과 함께 적용하여 실제 응용 조건에서의 안전한 학습·진단 파이프라인을 도출합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 동형암호 기반 프라이버시 회귀를 위한 효율적 처리와 실행 구조를 정립하는 데 집중했습니다. 이후 서비스 제공 환경에서 발생하는 모델 추출 공격에 대한 취약성과 방어 가능성을 검토하며, 프라이버시와 보안 관점의 요구를 동시에 반영하는 연구로 확장되었습니다. 이어서 IoT 환경 고장진단 문제에 동형암호를 적용하여 암호화된 입력 기반 진단 절차를 구체화했습니다. 최근에는 전이학습에서 핵심 샘플을 선택하는 coreset selection과 동형암호를 결합해, 제한된 계산 자원에서도 안전한 학습 파이프라인을 구현하는 방향으로 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Efficient homomorphic encryption framework for privacy-preserving regression
Privacy-preserving inference resistant to model extraction attacks
Homomorphic encryption-based fault diagnosis in IoT-enabled industrial systems
Secure and Efficient Transfer Learning for Bearing Fault Diagnosis Using Homomorphic Encryption and Coreset Selection
관련 프로젝트
구분
제목
윤리적 인공지능을 위한 통계적 방법론