[대구=이데일리 홍석천 기자] 대구경북과학기술원(DGIST) 연구팀이 인공지능(AI) 학습에 사용된 개인정보를 삭제한 뒤 추천서비스의 정확도가 크게 떨어지는 이용자군을 자동으로 찾아 보정하는 기술을 개발했다.

DGIST는 나노기술연구부 이상철 책임연구원 연구팀이 그래프 신경망(GNN) 기반 추천시스템을 위한 보정 기술 ‘Ada-Comp(Adaptive Compensation)’를 개발했다고 28일 밝혔다.

이번 연구는 학제학과 인공지능전공 정유진 학부연구생이 제1저자, 이 책임연구원이 교신저자로 참여했다. 연구 결과는 ‘ACM KDD 학부생 컨소시엄(KDD-UC 2026)’에 선정된 28편 가운데 하나로 지난 8월 제주에서 발표됐다.

최근 개인정보 보호 요구가 커지면서 이용자가 삭제를 요청한 데이터의 영향을 이미 학습을 마친 AI 모델에서도 제거하는 ‘머신 언러닝’ 기술이 주목받고 있다. AI 시스템에 ‘잊힐 권리’를 구현하기 위한 기술이다.

그러나 특정 이용자의 데이터를 제거하는 과정에서 해당 이용자와 연결된 다른 사용자들의 추천 정확도까지 떨어질 수 있다는 문제가 있다.

연구팀은 GNN 기반 추천시스템에서 일부 사용자가 서로 다른 이용자 집단을 연결하는 구조적 역할을 한다는 점에 주목했다. 이런 사용자의 데이터를 삭제하면 연결된 주변 이용자들의 추천 결과에도 상대적으로 큰 영향을 줄 수 있다는 설명이다.

연구팀이 제안한 Ada-Comp는 데이터 삭제 후 추천 성능이 가장 크게 저하된 사용자군을 자동으로 선별하고 이들을 대상으로 추가 학습을 진행한다. 전체 모델을 일률적으로 다시 학습하는 대신 영향을 많이 받은 사용자 집단을 선택적으로 보정하는 방식이다.

이번 연구는 머신 언러닝의 평가 범위를 삭제 대상자의 정보가 제대로 제거됐는지를 확인하는 데서 나아가 데이터 삭제가 다른 이용자에게 미치는 영향까지 확장했다. 개인정보 삭제를 반영하면서 특정 이용자군에 추천 성능 저하가 집중되는 현상을 완화하는 데 초점을 맞췄다.

학부생이 연구를 주도했다는 점도 특징이다. DGIST는 학사부와 연구부 간 융합연구를 통해 학부 과정의 아이디어를 전문 연구진의 경험과 연계해 국제학술대회 성과로 발전시켰다고 설명했다.

이 연구팀은 지난해에도 당시 학부생이던 이승언 졸업생의 연구를 KDD 리서치 트랙에서 발표했다. 올해 정 연구생의 논문이 선정되면서 DGIST 학부생 연구가 2년 연속 KDD에서 발표됐다.

이 책임연구원은 “개인정보를 안전하게 삭제하는 것과 함께 그 과정에서 다른 이용자의 서비스 품질이 저하되지 않도록 하는 것도 신뢰할 수 있는 AI를 위해 중요하다”며 “머신 언러닝 이후 나타날 수 있는 사용자 집단별 성능 격차를 줄이는 새로운 방향이 될 것으로 기대한다”고 말했다.