Research on Homomorphic Encryption Computational Optimization and Hardware Acceleration for Privacy-Preserving Medical AI
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065352
교육부
한국연구재단
성신여자대학교
심혜연
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2027.08.31
1,250만원
1,250만원
응용연구
대학
서울특별시 성북구
정보/통신 > 정보이론 > 인공지능
... 평문 ML 대비 1%p 이내의 정확도 손실을 유지하면서 CPU 기반 동형암호 연산 대비 10배 이상의 속도 향상을 달성함. 둘째, 학습 효율성 측면에서 종래 매 epoch 복호화 방식 대비 클라이언트 통신 횟수를 1회로 최소화하고, Hit@10 기준 90% 이상(실제 최적 정지 지점 대비 ±10 epoch 이내 예측 비율)의 예측 정확도를 확보하며, 일반화 격차를 50% 이상 감소시킴. ...
... 동형암호 환경에서의 예측 기반 early stopping 기법동형암호 환경에서는 비교 연산이 지원되지 않아 일반적인 early stopping이 불가능하며, 종래 연구는 매 epoch마다 클라이언트와 협력하여 loss나 logit 값을 복호화하는 방식으로 모델 학습 파이프라인을 구성함. 이러한 협력 구조는 매 epoch마다 클라이언트와의 통신을 요구하여 높은 통신 비용을 야기하며, ...
... 없이도 병원·의료기관 간 협력 학습을 가능하게 하여 의료 AI의 데이터 확보 문제를 근본적으로 해결하는 데 기여함. 또한 FPGA 하드웨어 가속 결과와 적대적 공격 분석 결과의 결합은 클라우드 기반 의료 AI 서비스에서 실용적 응답 속도와 보안 신뢰성을 동시에 확보하여, 원격 진단·실시간 판독 등 시간에 민감한 의료 서비스에 동형암호 기술을 적용할 수 있는 가능성을 열어 줌.▶ 기대효과연구 ...