효율적인 차등 개인정보 보호 학습으로 약물 민감도 예측 향상

**1. 서론 및 배경** 개인 맞춤형 의료와 추천 시스템에서는 데이터 기반 모델이 필수적이지만, 특히 유전체 데이터는 개인 식별이 쉬워 프라이버시 보호가 핵심 과제이다. 기존 익명화 기법은 부가적인 사이드 정보에 취약하고, 차등 개인정보 보호(DP)는 가장 강력한 수학적 보장을 제공한다. 그러나 현재의 DP 학습 방법은 고차원·소규모 데이터 상황에서 예측 정확도가 크게 떨어진다. **2. 연구 목표** 저자들은 두 가지 조건을 동시에 만족하는 DP 회귀 알고리즘을 설계한다. (i) 점근적으로 일관적이며 효율적인 DP 추정기, 즉 데이터가 많아질수록 비공개 모델에 수렴하고 최적 수렴률 \(O(1/n)\)을 달성한다. (ii) 실험적으로도 중간 규모 데이터(수백~수천 샘플)에서 좋은 성능을 보인다. **3. 차등 개인정보 보호 정의 및 메커니즘** DP는 인접 데이터셋(하나의 샘플만 차이) 간 출력 확률 비율이 \(\exp(\epsilon)\) 이하가 되도록 보장한다. 논문은 ‘bounded DP’를 채택해 샘플 수는 공개하고, 각 통계량에 라플라스 노이즈를 추가한다. 노이즈 규모는 프라이버시 예산 \(\epsilon\)와 데이터 차원 \(d\), 클리핑 경계 \(B\)에 따라 조정된다. **4. 강인(private) 선형 회귀 모델 설계** - **베이지안 선형 회귀**: \(y_i \sim N(x_i^\top\beta, \lambda^{-1})\), \(\beta \sim N(0, \lambda_0^{-1}I)\). 충분통계량 \(n_{xx}=\sum x_i x_i^\top\), \(n_{xy}=\sum x_i y_i\), \(n_{yy}=\sum y_i^2\)을 이용해 사후분포를 계산한다. - **차원 축소**: 암 관련 유전자만 선택해 입력 차원을 10~64로 제한한다. 이는 민감도를 감소시켜 라플라스 노이즈를 작게 만든다. - **이상치 투영**: 기존 선형 스케일링 대신 각 변수 값을 \(