구조화·심볼릭 자료 학습과 개념 드리프트, 동형암호 기반 개인정보보호 추천 연구

Structured and Symbolic Data Learning with Concept Drift and Homomorphic-Encryption-Based Privacy-Preserving Recommendation

연구 내용

정형·비정형 구조화 자료에 regularization을 적용해 학습을 수행하고 개념 드리프트에 대응하며, 동형암호 기반 추천으로 개인정보보호를 구현하는 연구

구성비·다변량 범주형·심볼릭·행렬/텐서·시공간 동적 네트워크 등 다양한 자료 형태에 대해 regularization 기반 추정과 분류·군집·회귀·랭킹 학습을 수행합니다. 분위수 추정과 로버스트 학습을 결합해 이상점과 분포 변화에 강건한 추정 체계를 구축하고, 완전 자취 추적, 분산화, 병렬화를 위해 ADMM과 GPU/MPI 최적화를 적용합니다. 또한 EHR 등 시간 간격이 불규칙한 데이터에서 concept drift를 감지하기 위한 방법론을 개발합니다. 더불어 동형암호 기반 협업 필터링으로 암호화된 상태에서 추천 연산을 지원해 개인정보보호 실증까지 확장합니다.

관련 프로젝트

3건

연구 흐름

초기 연구는 구성비·범주형·심볼릭·텐서 관측 등 구조화 자료에서 regularization을 목적함수에 반영하는 방식으로 학습을 정식화하고, 추정량의 안정성과 해석 가능성을 확인하는 데 집중되었습니다. 이후 boxplot/histogram과 분위수 추정을 활용한 군집화, Stiefel 다양체 차원축소, 로버스트 학습 및 이상점 축소추정으로 범위를 넓혔습니다. 현재는 불규칙 시계열에서 concept drift 감지로 확장하고, ADMM·MPI/GPU 기반 scale-up 최적화로 계산 복잡도를 다루는 연구를 수행합니다. 한편 동형암호 기반 추천 과제로 개인정보보호 요구를 반영한 적용을 병행하고 있습니다.

활용 가능성

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

Structured data regularization 모델
Symbolic data 분석 도구
Robust 이상점 축소추정
Concept drift 탐지 모듈
ADMM 기반 분산 학습 엔진
GPU/MPI scale-up 파이프라인
동형암호 기반 추천 로직
암호화된 데이터 순위 집계
정형·비정형 통합 분석 프레임워크
개인정보보호 마이크로데이터 연계