고려대 연구진이 사전 정보 없이 로컬차등프라이버시(LDP) 환경에서 수치 데이터를 수집하는 새 프레임워크 'ABC(Adaptive Bounding of Clipping regions)'를 제안했다. 기존 LDP 기법은 데이터 범위를 미리 정해야 하는데, 범위가 좁으면 값이 잘려 정보가 손실되고 너무 넓으면 잡음이 과도하게 섞여 데이터 품질이 떨어지는 딜레마가 있었다. ABC는 각 사용자가 교란된 수치값과 함께 '자기 값이 현재 범위에서 잘렸는지'를 알리는 프라이버시 보호 신호를 함께 전송하게 하고, 이를 집계해 반복적으로 범위를 실제 데이터 분포에 맞게 조정한다. 이론 분석과 실험 모두에서 추정 범위가 적절한 값으로 수렴함을 확인했으며, 다양한 데이터셋과 LDP 메커니즘에서 수집 데이터 품질을 유의미하게 개선했다. IEEE ICDE 2026에 채택된 연구로, 사전 지식 없이도 안전하게 활용 가능한 데이터 수집 방식을 제시했다는 의미가 있다.

• •사전 데이터 범위 지식 없이 LDP 환경에서 수치데이터를 수집하는 ABC 프레임워크 제안
• •클리핑 여부를 알리는 프라이버시 보호 신호를 집계해 범위를 반복적으로 조정
• •이론적으로 추정 범위가 적절한 값으로 수렴함을 증명
• •IEEE ICDE 2026 채택·하이퍼파라미터에도 강건한 성능