공동슬롯사이트 순위 모델 이미지. ⓒ한국과학기술원

한국과학기술원(슬롯사이트 순위)은 산업및시스템공학과 박찬영 교수 연구팀이 연합학습의 성능 저하 문제를 해결하고 인공지능(AI) 모델의 일반화 성능을 크게 향상시키는 새로운 학습 방법을 개발했다고 15일 밝혔다.

연합학습은 여러 기관이 데이터를 직접 주고받지 않고 공동으로 슬롯사이트 순위를 학습하는 방식이다. 그러나 각 기관이 완성된 공동 슬롯사이트 순위 모델을 자체 환경에 맞게 최적화하는 과정에서 기존 지식이 희석되고, 특정 기관 데이터 특성에 과도하게 적응하는 ‘지역 과적합’ 문제가 발생한다.

예를 들어 여러 은행이 공동 대출 심사 슬롯사이트 순위를 구축한 뒤, 특정 은행이 대기업 고객 데이터를 중심으로 파인튜닝을 진행하면 대기업 심사에는 강점을 보이지만 개인이나 스타트업 고객 심사에서는 성능이 떨어지는 문제가 나타난다.

박찬영 교수 연구팀은 이를 해결하기 위해 ‘합성 데이터(Synthetic Data)’ 방식을 도입했다. 각 기관의 데이터에서 핵심 특징만 추출해 개인정보를 포함하지 않는 가상 데이터를 생성하고, 이를 파인튜닝 과정에 적용하는 방식이다. 이로써 각 기관의 슬롯사이트 순위는 개인정보를 공유하지 않고도 자사 데이터에 맞는 전문성을 확보하면서 공동학습으로 얻은 범용성을 유지할 수 있게 됐다.

연구 결과, 이 방법은 의료·금융 등 데이터 보안이 중요한 분야에서 특히 효과적일 뿐 아니라, 소셜미디어나 전자상거래처럼 새로운 사용자와 상품이 지속적으로 추가되는 환경에서도 안정적인 성능을 보였다. 새로운 기관이 협력에 참여하거나 데이터 특성이 급격히 변하더라도 슬롯사이트 순위의 성능이 흔들리지 않았다.

박찬영 산업및시스템공학과 교수는 “이번 연구는 데이터 프라이버시를 지키면서도 각 기관의 슬롯사이트 순위가 전문성과 범용성을 동시에 확보할 수 있는 새로운 길을 제시했다”며 “의료 슬롯사이트 순위나 금융 사기 탐지 슬롯사이트 순위처럼 데이터 협업이 필수적이지만 보안이 중요한 분야에서 큰 도움이 될 것”이라고 말했다.