Machine Unlearning for Domain Inconsistency Mitigation and Institution-Specific Data Withdrawal in Multi-Institutional Respiratory Sound Data
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114166
과학기술정보통신부
한국연구재단
원광대학교
김준우
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,582만원
4,582만원
응용연구
대학
전북특별자치도 익산시
정보/통신 > 정보이론 > 인공지능
... 결합하여, forget set의 영향은 제거하면서 retain set 성능은 유지하는 의료기관별 unlearning 기술을 개발함.5. 최종적으로 외부기관 일반화 성능, forget set 정보 제거 정도, retain set 성능 유지율, full retraining 대비 효율성, 데이터 유출 위험을 종합 평가하여 실제 다기관 의료 AI 운영 환경에 적용 가능한 신뢰성 있는 호흡음 ...
... retain feature preservation loss를 함께 최적화함.- 신규기관 추가 후 기존기관 철회, 복수 의료기관 순차 철회, 반복적 unlearning 시나리오를 최종 고도화 단계의 검증 시나리오로 설정함.retain 성능 저하, forget 정보 잔류, 성능 누적 열화, full retraining 대비 계산 효율성, 데이터 유출 위험을 종합 평가함.
... 5) 본 연구에서 구축하는 unlearning 안전성 평가 프로토콜은 forget set 정보 제거 정도, retain set 성능 유지율, full retraining 대비 효율성, 정보 ... 경제·산업적으로는 전자청진기, 원격진료, 재택 호흡 모니터링, 병원 내 호흡기 질환 스크리닝 시스템 등에 적용 가능하며, 기관 데이터 철회 시 전체 재학습 비용을 절감할 수 있음. 8) 사회적으로는 ...