동형암호는 데이터 분석 및 기계학습 과정에서 민감한 개인정보를 보호할 수 있는 혁신적인 암호화 기술로, 최근 데이터 관련 법안의 개정과 함께 그 중요성이 더욱 부각되고 있습니다. 본 연구실에서는 동형암호를 활용하여 암호화된 상태에서도 데이터 분석과 기계학습이 가능하도록 하는 알고리즘을 개발하고 있습니다. 특히, 금융 분야의 민원자료와 같은 민감한 데이터를 대상으로, 암호문 상태에서 앙상블 학습 방법(랜덤 포레스트, XGBoost 등)의 추론이 평문과 동일한 결과를 도출함을 실증하였으며, 약 0.4초의 단위 추론 계산시간을 달성하는 등 실용적인 성능을 입증하였습니다. 이러한 연구는 개인정보 유출에 대한 사회적 우려를 해소하고, 데이터 결합 및 분석 과정에서 발생할 수 있는 보안 위험을 원천적으로 차단할 수 있다는 점에서 큰 의의를 가집니다. 동형암호 기반의 데이터 분석은 기존의 빅데이터 분석과 달리, 데이터 소유자가 자신의 정보를 노출하지 않고도 다양한 서비스와 분석 결과를 제공받을 수 있도록 하여, 초개인화 서비스 및 맞춤형 추천 시스템 등 다양한 분야에 적용이 가능합니다. 향후 본 연구실은 동형암호와 인공지능 기술의 융합을 통해, 더욱 안전하고 효율적인 데이터 분석 플랫폼을 구축하고자 합니다. 이를 통해 사회 각 분야에서 데이터 활용의 폭을 넓히고, 개인정보 보호와 데이터 가치 창출이라는 두 가지 목표를 동시에 달성하는 데 기여할 것입니다.

현대 데이터 환경에서는 구조화된 데이터뿐만 아니라, 히스토그램, 범주형, 함수형 등 다양한 심볼릭 데이터가 등장하고 있습니다. 본 연구실은 이러한 복합 데이터에 적합한 벌점화 추정 방법론을 개발하고, 이를 기계학습 및 통계적 분석에 적용하는 연구를 활발히 수행하고 있습니다. 예를 들어, 히스토그램 값 데이터를 위한 딥러닝 기반 회귀모형(Deep Symbolic Learning), 히스토그램 머신(Support Histogram Machine) 등 새로운 분류 및 회귀 알고리즘을 제안하여, 기존의 벡터 기반 방법론이 가지는 한계를 극복하고 데이터의 분포적 특성을 효과적으로 반영할 수 있도록 하였습니다. 또한, 벌점화 추정 방법론은 변수 선택, 군집 분석, 이상치 탐지 등 다양한 통계적 문제에 적용되고 있습니다. 예를 들어, 엘라스틱 넷 벌점항을 이용한 비선형 지지벡터기계의 변수선택, 제약조건을 활용한 단순회귀분석, 심플렉스 제약을 반영한 마이크로바이옴 데이터 분석 등 실제 데이터에 최적화된 분석 방법을 개발하고 있습니다. 이러한 연구는 고차원, 다변량, 복합 데이터 환경에서의 해석력과 예측력을 동시에 향상시키는 데 중점을 두고 있습니다. 앞으로도 본 연구실은 심볼릭 데이터와 구조화 데이터의 통합 분석, 벌점화 기반의 새로운 기계학습 알고리즘 개발, 그리고 다양한 응용 분야(의료, 환경, 교통 등)로의 확장을 통해 데이터 과학의 새로운 패러다임을 제시할 계획입니다.

본 연구실은 수요응답형 교통(Demand Responsive Transport, DRT) 및 장애인 이동성 데이터 분석 분야에서도 선도적인 연구를 수행하고 있습니다. DRT는 교통 약자를 위한 맞춤형 이동 서비스를 제공하지만, 시간과 공간에 따른 대기시간의 변동성과 접근성 불균형 등 다양한 문제점이 존재합니다. 이에 본 연구실은 공간회귀모형, 그래프 신경망, 적응형 신경퍼지 추론 시스템(ANFIS) 등 첨단 데이터 분석 기법을 활용하여, 대기시간 예측, 서비스 수준 평가, 접근성 불균형 해소 방안 등을 제시하고 있습니다. 특히, 실제 장애인 콜택시 운영 데이터를 분석하여, 의료 인프라, 장애인 인구 밀집도, 차고지 위치 등 다양한 요인이 서비스 접근성에 미치는 영향을 규명하였으며, 공간적·시간적 특성을 반영한 예측 모델을 통해 서비스 공급의 효율성을 높이는 정책적 제언을 도출하였습니다. 또한, 그래프 신경망을 활용한 지역별 이동 수요 예측 모델을 개발하여, 차량 배치 및 운행 스케줄 최적화에 기여하고 있습니다. 이러한 연구는 교통 약자의 이동권 보장과 사회적 포용성 증진에 실질적으로 기여할 뿐만 아니라, 데이터 기반의 스마트 모빌리티 서비스 설계 및 운영에 중요한 이론적·실무적 토대를 제공하고 있습니다. 앞으로도 본 연구실은 다양한 사회적 약자를 위한 데이터 분석 및 정책 지원 연구를 지속적으로 확대해 나갈 계획입니다.