빅데이터 분석은 현대 지능형 시스템을 지원하지만 모델의 복잡성과 낮은 투명성이 의사결정의 해석 가능성, 신뢰성, 보안을 저해할 수 있다. 연구팀은 시간적·관계적·맥락적 특징과 설명가능 AI(XAI) 메커니즘을 통합한 하이브리드 DeepXAI 융합 네트워크를 제시했는데, 1D-CNN으로 시간적 특징을, Transformer 인코더로 맥락을, 그래프 신경망(GNN)으로 특징 간 의존성을 추출하고 어텐션 기반 융합과 클래스 활성화 맵(CAM)·설명 손실로 해석 가능성을 높였다. 동형암호와 블록체인 기반 감사를 결합한 연합 클라우드 아키텍처로 설계돼 헬스케어·금융·에너지 데이터셋 실험에서 정확도 98.42%, 정밀도 97.9%, 재현율 98.1%, F1 98.0%를 기록하며 비교 모델들을 앞섰고, PGD 적대적 교란 아래서도 91.5% 이상의 정확도를 유지했으며 초당 8만 메시지, 200밀리초 이하 지연의 처리량을 보였다.

• •1D-CNN·Transformer·GNN과 XAI(CAM·설명 손실)를 결합한 해석 가능한 하이브리드 융합 네트워크 제시
• •동형암호·블록체인 감사를 결합한 연합 클라우드 아키텍처로 데이터 프라이버시·책임성 지원
• •헬스케어·금융·에너지 데이터셋에서 정확도 98.42%, F1 98.0%로 비교 모델 능가
• •PGD 적대적 교란에도 91.5% 이상 정확도 유지, 초당 8만 메시지·200ms 이하 지연 처리량 확보