동형암호 기반 공정·신용평가 SVM 개인정보보호 학습

Privacy-Preserving SVM Training for Fair Learning and Credit Scoring with Homomorphic Encryption

연구 내용

동형암호 연산을 활용해 민감 속성과 모델 비밀을 함께 보호하면서 SVM 기반 공정 학습과 신용평가 모델 학습을 수행하는 연구

기계학습 분류에서 성별, 인종 등 민감 속성에 따른 차별을 완화하기 위해 공정 학습을 적용할 때, 학습 단계에서 민감 정보 접근이 요구되는 문제를 동형암호로 해결하는 데 초점을 둡니다. 동형암호 연산 가능 형태로 SVM 학습식을 구성하고, 민감 정보 보호 중심의 연산 최적화를 통해 계산 비용을 줄이는 방식으로 모델 학습을 수행합니다. 또한 금융 데이터 기반 신용평가 시나리오에서 LS(Linear Square)-SVM 형태로 변환해 암호화된 상태에서도 예측 모델을 학습·활용하는 구조를 제안합니다.

관련 프로젝트

6건

연구 흐름

초기에는 HE 기반으로 분류 모델의 정확성과 공정성을 동시에 확보하기 위한 학습 알고리즘을 설계하고, 민감 정보 보호만으로도 비용을 절감하는 정식화 및 근사 전략을 적용하는 방향으로 연구를 수행했습니다. 이후 실제 적용을 염두에 두고 금융 데이터 기반 신용평가 절차를 시나리오로 정리한 뒤, SVM을 HE 친화적 형태로 변환한 학습 구조를 제안했습니다. 최근에는 공정 학습 및 실무 도메인 예측 모델에 적용 가능한 HE 기반 프레임을 확장하는 흐름으로 이어지고 있습니다.

활용 가능성

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

HE 기반 공정 분류기 학습
암호화된 데이터 기반 신용평가 모델 학습
민감 속성 비공개 공정성 개선
모델 비밀 보호 학습 파이프라인
금융 개인정보 보호 예측 서비스
규제 준수형 프라이버시 보장 ML
신뢰할 수 없는 클라우드 학습 환경
암호화된 상태의 분류 파라미터 산출
비식별 학습을 대체하는 보안 학습
SVM 계열의 HE 친화형 학습식 개발