(왼쪽부터)숭실대의 권민혜 전자정보공학부 교수, 김미르(박사과정), 박희원(석사과정) 연구원. (사진=숭실대)
연구팀은 데이터를 외부로 내보내지 않고 스스로 학습하며 변화에 적응할 수 있는 인공지능(AI) 기술을 개발했다. 또 각 IoT 기기가 원본 데이터를 공유하지 않고도 협력적으로 학습할 수 있는 개인화 연합학습(Personalized Federated Learning) 구조를 제시했다. 이를 통해 개인정보 유출 위험을 최소화하면서도 학습 효율성과 정확도를 동시에 높였다.
기존 AI 시스템은 모델 학습을 위해 데이터를 중앙 서버에 모아야 했다. 이 방식은 개인정보 유출과 통신비용 증가, 기기 성능 제약 등 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 각 IoT 기기가 자체 데이터를 기반으로 모델 일부를 독립적으로 학습하고 서버에는 암호화된 손실값(loss value)만 전송하는 방식을 고안했다.
연구팀은 ‘온라인 적응 학습(Online Learning)’ 구조도 도입해 환경 변화가 실시간 발생하는 상황에서도 안정적인 성능을 유지하도록 설계했다. 기존의 정적 학습 모델은 변하는 환경을 반영하지 못해 성능이 떨어지는 문제가 있었다. 연구팀은 AI가 학습 패턴을 스스로 조정하는 온라인 학습과 서버의 대형 모델이 각 기기에 지식을 전달하는 지식증류(Knowledge Distillation) 방식을 결합해 문제를 해결했다.
그 결과 각 기기는 별도의 서버 연결 없이 스스로 수집한 데이터를 기반으로 모델을 실시간 보정하면서 전체 시스템의 지식을 공유할 수 있게 됐다.
연구에 참여한 김미르 숭실대 연구원(박사과정)은 “이번 연구는 각 기기가 자신의 데이터를 외부에 노출하지 않으면서 변화하는 환경에 실시간으로 적응할 수 있는 고성능 AI 구조를 제시한 것”이라며 “자율주행과 제조, 의료 등 데이터 보호와 신뢰성이 중요한 산업에서 AI 실용화를 앞당길 수 있을 것”이라고 말했다.
