| 연구목표 |
- 본 연구는 프라이버시 침해 공격에 강인한 데이터 수집 알고리즘 개발을 목표로 함.- 각 사용자 데이터는 입력 데이터와 민감 데이터로 구성되며, 일반적으로 입력 데이터와 민감 데이터 간 상관관계가 존재 가능함. 민감 데이터에 대한 정보를 최소화하면서도 학습 성능 저하를 최소화하는 사용자 인코더를 고려함. 사용자 인코더는 사용자 데이터를 입력으로 받아 보안... |
| 연구내용 |
* 1차년: 프라이버시 및 유틸리티 지표 이론적 검증 및 프라이버시 강화 데이터 수집 알고리즘의 정보이론적 한계성능 분석 - 사용자가 데이터를 제공할 때, 데이터 수집 서버에게 숨기고자 하는 민감 정보가 존재 가능함. 서버로 전달되는 민감 데이터 누출을 최소화하면서도 전송 효율 증대 및 학습 성능 저하 최소화하는 사용자 인코더를 고려하고자 함. - 일차적... |
| 기대효과 |
- 프라이버시를 보호함과 동시에 높은 학습 성능 및 전송 효율을 달성하는 데이터 수집 알고리즘을 정보이론적으로 분석함으로써 이론적인 기틀을 마련할 뿐만 아니라, 적대적 모델을 활용한 신경망으로 구현하는 실제적인 성능 검증을 포함함으로써, 본 연구는 기계 학습 분야의 이론 및 기술적으로 중요한 기여를 할 수 있으리라 판단됨. - 제안하는 데이터 수집 알고리즘... |
| 키워드 |
프라이버시 보호 ,데이터 수집,기계학습,정보이론,인공지능 |