[IEEE TII🎉] 중앙대학교 산업보안학과 김호기 교수 연구진, 상위 5% SCI 저널 게재

논문명: Adversarial Retain-Free Unlearning for Bearing Prognostics and Health Management

저자: 김호기 (중앙대), 윤채원 (중앙대 학부생), 이지용 (중앙대 학부생)

게재지: IEEE Transactions on Industrial Informatics (SCIE 상위 약 5%)

중앙일보 기사 원문

산업 AI 시스템에서도 특정 데이터를 선택적으로 잊게 만드는 기술이 제안됐다. 데이터 삭제 요청이 발생해도 기존 모델을 처음부터 다시 학습하지 않고 문제 데이터를 제거할 수 있어, 산업 현장에서의 개인정보 보호와 데이터 거버넌스 문제를 동시에 해결할 수 있을 것으로 기대된다.

중앙대학교는 산업보안학과 김호기 교수 연구팀의 논문 ‘Adversarial Retain-Free Unlearning for Bearing Prognostics and Health Management’가 산업 인공지능 분야의 권위 있는 국제 학술지 ‘IEEE Transactions on Industrial Informatics’에 게재됐다고 밝혔다. 해당 저널은 SCIE 기준 상위 약 5%에 해당하는 세계적 수준의 학술지로, 산업 인공지능 및 스마트 제조 분야에서 영향력이 높은 저널로 평가된다.

산업 현장에서는 베어링과 같은 핵심 부품의 고장 진단을 위해 AI 기반 시스템이 널리 활용되고 있다. 그러나 학습 데이터에 대한 삭제 요청이 발생할 경우, 산업 환경에서는 대규모 데이터와 복잡한 모델 구조로 인해 재학습 비용이 매우 높아 현실적으로 적용하기 어렵다. 이러한 문제는 개인정보 보호 규제와 데이터 거버넌스 요구가 강화되는 상황에서 더욱 중요한 기술적 과제로 떠오르고 있다.

연구팀은 이를 해결하기 위해 적대적 공격(Adversarial Attack)과 의미 기반 손실 함수(Semantic-driven Loss)를 결합한 새로운 프레임워크 ARU(Adversarial Retain-Free Unlearning)를 제안했다. 이 방법은 사전 학습된 모델과 삭제 대상 데이터로부터 ‘대체 유지 샘플(Surrogate Retain-like Samples)’을 생성해 실제 유지 데이터를 사용하지 않고도 모델의 구조적 안정성을 유지하도록 설계됐다.

공개 및 산업용 베어링 데이터셋을 활용한 실험 결과, 제안된 ARU는 기존 머신언러닝(Machine Unlearning) 기법보다 더 높은 망각 성능과 안정적인 진단 정확도를 동시에 달성한 것으로 나타났다. 이는 실제 산업 설비 진단 시스템에서도 데이터 삭제 요구를 효율적으로 처리할 수 있음을 보여준다.

김호기 중앙대 교수는 “스마트 팩토리 등 산업 전반에 AI 활용이 확대되면서 데이터 권리 보호와 신뢰성 확보가 중요한 과제가 되고 있다”며 “이번 연구는 산업 AI 환경에서도 특정 데이터를 안전하게 제거할 수 있는 기술적 기반을 최초로 제시했다는 데 의미가 있다”고 말했다. 이어 “앞으로도 AI 활용이 확대되는 만큼 관련 연구를 지속해 나갈 계획”이라고 덧붙였다.

이번 연구는 한국연구재단(NRF)과 정보통신기획평가원(IITP)의 지원을 받아 진행됐다.