박정희 교수

데이터 보안이 중요한 금융·의료 등 분야에서는 원본 데이터를 공유하지 않고도 개별 클라이언트가 보유한 지식을 통합해야 하는 수요가 지속적으로 증가하고 있습니다. 이러한 요구에 대응하기 위해 반복성장 및 협업성장 방식의 연합 랜덤 포리스트 모델 구축 기술을 개발했으며, Federated Random Forest와 Federated XGBoost 등 앙상블 트리 모델을 여러 클라이언트가 공동으로 성장시키는 프로세스를 설계하여 Non-IID 데이터 문제를 해결했습니다. 해당 기술은 등록특허(1028366330000)로 보호받고 있으며, 클라이언트 간 데이터 이동 없이도 모델 성능을 유지할 수 있는 구조를 갖추고 있습니다. 이 기술은 금융 데이터 분석, 의료 데이터 분석, 개인정보 보호가 필요한 분산 데이터 환경 등에 적용되고 있으며, 산학협력을 통한 금융 및 의료 분야 기술이전이 가능합니다. 적응적 확장가능한 연합학습 방법 연구 과제를 수행하는 과정에서 비독립적(Non-IID) 데이터 환경에서 모델 정확도를 약 15% 이상 개선하는 성과를 확인했으며, 현재 실험실 수준 시뮬레이션 검증을 완료한 TRL 5 단계에 있습니다.

산업 설비 및 국방 시스템에서 발생하는 비정상 신호와 패턴을 사전에 조기에 탐지해야 하는 필요성에 주목하여 고차원 임베딩 공간 기반 이상치 탐지 연구를 수행했습니다. 참조 윈도우와 탐지 윈도우 기반의 통계량 및 p-value를 활용한 탐지 알고리즘을 설계했으며, 이를 바탕으로 부분방전 발생 탐지법(등록특허 1029142810000)과 데이터스트림 이상패턴 탐지법(등록특허 1027138220000)을 개발하여 실시간으로 유입되는 스트림 데이터에서 비정상 패턴을 정량적으로 판별할 수 있도록 했습니다. 이러한 기술은 전력 설비의 부분방전 탐지, 레이더 신호 식별, 네트워크 이상 탐지 등에 적용되어 실질적인 탐지 성과를 거두었으며, 관련 성과는 고차원데이터에서 이상치탐지 연구 과제를 통해 확인되었습니다. 전력 및 국방 분야 기관과의 공동 기술개발 및 기술이전이 가능하며, 현재 산업 현장과 연계한 테스트 단계인 TRL 6 수준에 도달해 있습니다.

실시간으로 유입되는 고차원 로그 및 SNS 텍스트 스트림에서 유의미한 토픽을 추출하고 노이즈에 해당하는 스팸을 제거해야 하는 필요성에 대응하여 스트리밍 텍스트 데이터 마이닝 연구를 수행했습니다. 하이 유틸리티 패턴 마이닝 기반의 SNS 토픽탐지법(등록특허 1020971180000)과 n-gram 및 리트윗 증가율 기반 나이브베이즈 분류를 활용한 SNS 스팸탐지법(등록특허 1019132840000)을 개발했으며, 반감독학습 기반 분류시스템과 그래프기반 데이터마이닝 알고리즘을 함께 설계하여 원시데이터를 활용한 분류 성능을 높였습니다. 이러한 기술은 SNS 토픽 모니터링, SNS 스팸 필터링, 원시데이터 기반 분류시스템 구축 등에 적용되고 있으며, 스트리밍 텍스트 데이터의 효과적인 벡터 표현 방법 개발과 SNS 스트림 데이터 마이닝 연구, 반감독학습을 통한 원시데이터 활용 분류시스템 개발, 그래프기반 데이터마이닝 알고리즘 연구 등 다수의 참여과제를 통해 관련 특허를 다수 등록했습니다. SNS 서비스 기업을 대상으로 스팸 및 토픽 탐지 솔루션 기술이전이 가능하며, 현재 시스템 구현 단계인 TRL 4~5 수준에 있습니다.