DGIST, 데이터 삭제 후 추천 성능 저하 막는 AI 기술 개발

대구경북과학기술원(이하 DGIST) 연구팀이 사용자 데이터 삭제 이후 일부 사용자군의 추천 성능이 떨어지는 문제를 자동으로 찾아 보정하는 인공지능 기술을 개발했다.DGIST 나노기술연구부 이상철 책임연구원 연구팀은 그래프 신경망(GNN) 기반 추천시스템의 데이터 삭제 과정에서 발생하는 성능 저하를 보완하는 ‘Ada-Comp(Adaptive Compensation)’ 기술을 제안했다고 30일 밝혔다.최근 개인정보 보호 요구가 높아지면서 이용자가 데이터 삭제를 요청하면 인공지능 모델에서도 해당 데이터의 영향을 제거하는 ‘머신 언러닝’ 기술이 주목받고 있다. 하지만 특정 사용자의 데이터를 삭제하는 과정에서 다른 이용자의 추천 품질까지 떨어질 수 있다는 문제가 있다.연구팀은 GNN 기반 추천시스템에서 일부 사용자가 다른 이용자군을 연결하는 구조적 역할을 한다는 점에 주목했다. 이들의 데이터가 삭제되면 주변 사용자군의 추천 성능에도 영향을 줄 수 있다는 것이다.이에 연구팀은 데이터 삭제 이후 추천 성능이 크게 떨어진 사용자군을 자동으로 찾아 선택적으로 추가 학습하는 Ada-Comp 기술을 개발했다. 이를 통해 개인정보 삭제를 반영하면서도 특정 사용자군에 성능 저하가 집중되는 문제를 줄일 수 있도록 했다.이번 연구에는 정유진 DGIST 학부연구생이 제1저자로 참여했으며, 이상철 책임연구원이 교신저자를 맡았다. 연구 결과는 지난 8월 제주에서 열린 ACM KDD Undergraduate Consortium(KDD-UC ’26)에서 발표됐다. KDD-UC ’26에는 모두 28편의 연구가 선정됐다.특히 이번 성과는 DGIST 학부생이 주도한 연구가 2년 연속 KDD에서 선정·발표됐다는 점에서도 눈길을 끈다. 이상철 연구팀은 지난해에도 당시 학부생이었던 이승언 졸업생의 연구를 KDD Research Track에서 발표했다.이상철 책임연구원은 “개인정보를 안전하게 삭제하는 것뿐 아니라 그 과정에서 다른 이용자의 서비스 품질이 떨어지지 않도록 하는 것도 신뢰할 수 있는 AI를 위해 중요하다”며 “이번 연구가 머신 언러닝 이후 발생할 수 있는 사용자군별 성능 격차를 줄이는 새로운 방향을 제시할 것으로 기대한다”고 말했다.