프로젝트 소개
본 과제는 데이터를 암호화한 상태에서도 인공지능이 이미지와 같은 정보를 안전하게 분석하도록 하는 기술 개발임. 완전동형암호를 활용하여 원본 데이터를 공개하지 않고도 딥러닝 분류와 트레이닝을 수행하는 프라이버시 보존 딥러닝 연구임.
연구 목표는 ImageNet 데이터셋을 수십초 내에 분류하면서도 표준 컨볼루션 신경망과 사전 훈련된 파라미터를 그대로 사용하고, 평문과 동일한 수준의 분류 정확도를 확보하는 것임. 또한 암호화된 이미지 데이터의 트레이닝을 수십시간 안에 수행하는 것임. 핵심 연구 내용은 RNS-CKKS의 복소수 부분까지 활용한 연산 최적화, 미니맥스 근사 다항식을 이용한 ReLU 정밀 근사, weighted Remez 알고리즘을 통한 근사 다항식 차수 최소화임. 기대 효과는 의료·재정 데이터 등 민감정보를 보호하면서 빠르고 정확한 이미지 분류 및 프라이버시 보존 트레이닝 서비스를 구현하는 것임. 관련 라이브러리 보급을 통한 국내 기업의 기술 활용 확대와 상용화 기반 마련임.