DGIST 이상철 책임연구원팀이 그래프 신경망(GNN) 기반 추천시스템에서 특정 사용자 데이터를 삭제할 때 다른 사용자군의 추천 성능까지 저하되는 문제를 자동으로 찾아 보정하는 기술 'Ada-Comp'를 개발했다. 데이터 삭제 요청을 처리하는 '머신 언러닝' 과정에서 다른 이용자를 연결하는 구조적 역할을 하는 사용자군이 가장 큰 영향을 받는다는 점에 착안해, 이들을 선택적으로 추가 학습시켜 성능 격차를 줄인다. 이번 연구는 삭제 대상의 정보 제거 여부뿐 아니라 그 과정이 다른 사용자에게 미치는 영향까지 고려했다는 점에서 기존 머신 언러닝 연구를 확장했으며, 학부생이 제1저자로 참여해 2년 연속 KDD에서 발표되는 성과를 냈다. 개인정보 삭제 요구가 늘어나는 가운데, '잊힐 권리'를 구현하면서도 서비스 품질을 유지할 수 있는 실용적 해법을 제시한다.
- •GNN 추천시스템의 데이터 삭제 후 성능 저하 사용자군을 자동 탐지·보정하는 'Ada-Comp' 제안
- •삭제 대상뿐 아니라 주변 사용자에 미치는 영향까지 고려한 머신 언러닝 관점 확장
- •정유진 학부연구생이 제1저자로 KDD-UC 2026에서 28편 중 하나로 선정·발표
- •DGIST 학부생 연구가 2년 연속 KDD 발표로 이어지는 성과
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
데이터 지워도 AI 추천은 그대로”… DGIST, '잊힐 권리' 지키는 똑똑한 AI 개발
- 1.DGIST 이상철 연구팀, 머신 언러닝 후 추천 성능 저하를 자동 보정하는 'Ada-Comp' 기술 개발
- 2.GNN 기반 추천시스템에서 데이터 삭제 시 연결 구조상 핵심 사용자군을 찾아 선택적으로 재학습하는 방식
- 3.'잊힐 권리' 구현 과정에서 발생하는 타 이용자 품질 저하 문제를 추가 재학습으로 완화
- 4.학부연구생 정유진 제1저자, KDD-UC 2026에서 28편 중 선정·발표되며 2년 연속 DGIST 학부생 KDD 선정
왜 중요한가?
개인정보 삭제 요청이 늘어나는 상황에서 머신 언러닝이 다른 이용자의 서비스 품질까지 저하시키는 부작용을 자동 보정으로 완화한 사례로, '잊힐 권리'와 AI 신뢰성을 동시에 만족시키는 실용적 접근을 제시한다.
본문 미리보기
DGIST(총장 이건우) 나노기술연구부 이상철 책임연구원(학제학과 인공지능전공 겸무) 연구팀이 사용자 데이터 삭제 이후 추천 성능이 크게 저하되는 사용자군을 자동으로 찾아 보정하는 인공지능 기술을 개발했다. 최근 개인정보 보호 요구가 커지면서, 이용자가 자신의 데이터 삭제를 요청할 경우 이미 학습된 인공지능(AI) 모델에서도 해당 데이터의 영향을 제거하는 ‘머신 언러닝(machine unlearning)’ 기술이 주목받고 있다.이는 ‘잊힐 권리(Right to be Forgotten)’를 AI 시스템에 구현하기 위한 핵심 기술이지만
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안
![[10월8일] “수학 문제 4000개에 AI 투입해 성과”…오픈AI가 보여준 과학연구의 변화](https://cdn.aitimes.com/news/photo/202610/216072_220045_048.png)
