프라이버시와 예측 성능을 동시에 잡는 두 단계 합성 데이터 생성법

초록

본 논문은 순수 합성 데이터를 만든 뒤 원본과 혼합하는 1단계와, 커널 릿지 회귀(KRR) 모델을 이용해 합성 입력에 대한 출력을 생성하는 2단계로 구성된 두 단계 합성 전략을 제안한다. 통계 기반의 제한된 프라이버시‑예측 트레이드오프를 이론적으로 증명하고, 마케팅 사례와 5개 실데이터셋을 통해 실험적으로 검증한다.

상세 분석

이 연구는 기존의 단일 단계 합성 방식이 프라이버시 보호를 위해 큰 노이즈를 삽입하면 예측 성능이 급격히 저하되는 문제점을 정확히 짚어낸다. 첫 번째 단계인 “합성‑후‑하이브리드”는 순수 합성 데이터를 생성한 뒤, 원본 데이터와 일정 비율로 혼합함으로써 데이터 분포의 공분산 구조를 유지한다. 이때 혼합 비율(α)은 프라이버시 수준(LID)과 예측 정확도 사이의 균형을 정량적으로 조절할 수 있는 파라미터로 작동한다. 두 번째 단계에서는 원본 데이터에 KRR 모델을 학습시킨 뒤, 1단계에서 얻은 합성 입력 x̂에 대해 ŷ = KRR(x̂) 형태로 합성 출력을 생성한다. KRR는 닫힌 형태의 해와 정규화 매개변수 λ를 통해 과적합을 방지하면서도 입력‑출력 관계를 정확히 복원한다는 이론적 장점을 가진다. 논문은 (i) LID(위치 기반 프라이버시 침해 지표)와 (ii) 예측 오차 ‖f★−f̂‖_ρ 사이의 상한을 도출하여, 하이브리드 비율이 일정 범위 내에 있을 때 예측 성능이 원본 수준에 가깝게 유지됨을 증명한다. 또한, KRR의 리프시츠 정리와 커널 평균 제곱 오차(MSE) 분석을 결합해, 두 단계 전체가 “통계‑구동”이며 “제한된” 트레이드오프를 제공한다는 점을 강조한다. 실험에서는 LID를 5% 이하로 낮추면서도 R² 점수를 0.920.97 수준으로 유지했으며, 기존 GAN·Diffusion 기반 합성 방법 대비 프라이버시-예측 효율이 1.52배 개선되었다. 특히 마케팅 가격‑판매 예측 과제에서 합성 데이터만으로도 실제 데이터와 거의 구분되지 않는 모델 성능을 달성, 산업 현장에서 데이터 제공자가 프라이버시를 보장하면서도 즉시 활용 가능한 합성 데이터를 제공할 수 있음을 입증한다.