신뢰할 수 있는 그룹 샤플리 가치

초록

본 논문은 기존 그룹 샤플리 가치(GSV)가 데이터 그룹을 인위적으로 분할해 가치를 부풀리는 ‘쉘 컴퍼니 공격’에 취약함을 지적하고, 개별 데이터 샤플리 값을 합산한 Faithful Group Shapley Value(FGSV) 를 제안한다. FGSV는 다섯 가지 공정성 공리를 만족하며, 새로운 근사 알고리즘을 통해 대규모 데이터에서도 효율적으로 계산한다. 실험 결과, 제안 방법이 기존 최첨단 기법보다 계산 비용과 근사 오차 모두에서 우수함을 보인다.

상세 분석

이 논문은 데이터 가치 평가에서 그룹 수준의 공정성을 확보하기 위해 기존의 Group Shapley Value(GSV)가 가진 근본적인 결함을 체계적으로 분석한다. GSV는 사전에 정의된 그룹을 원자 단위로 취급하고, 전통적인 샤플리 공식(4‑계수 조합)을 그대로 적용한다. 그러나 저자들은 “쉘 컴퍼니 공격”이라 부르는 전략적 그룹 분할이 GSV 값을 인위적으로 증가시킨다는 사실을 정리한다. 이를 수학적으로는 기대값 관점에서 증명했으며, 특히 효용 함수 𝑈가 ‘prudence’ 조건(Δ³𝑈>0)을 만족하면, 동일한 데이터 집합을 두 개의 작은 서브그룹으로 나눴을 때 각 서브그룹의 GSV 합이 원래 그룹의 GSV보다 크게 된다. 이는 데이터 마켓이나 저작권 보상 등 실제 비즈니스 시나리오에서 악용될 위험이 있다.

이를 해결하기 위해 저자들은 Faithfulness Axiom을 도입한다. 이 공리는 동일한 데이터 집합에 대해 어떤 파티션을 사용하든 그 그룹의 가치가 변하지 않아야 함을 명시한다. 기존 네 가지 샤플리 공리(Null, Symmetry, Linearity, Efficiency)에 더해 이 공리를 포함한 다섯 가지 공리를 정의하고, 이를 만족하는 유일한 그룹 가치 함수가 각 데이터 포인트의 개별 샤플리 값을 합산한 형태임을 정리한다(정리 1). 즉, FGSV(S₀)=∑_{i∈S₀}SV(i)이다.

FGSV는 이론적으로는 최적이지만, 개별 샤플리 값을 모두 정확히 계산하려면 모든 데이터에 대해 조합적 비용이 발생한다. 저자들은 FGSV의 수식에서 핵심적인 계수가 (|S|,|S∩S₀|)라는 두 파라미터에만 의존한다는 관찰을 통해, 동일한 (s,s₁) 조합에 속하는 모든 서브셋의 효용값을 평균화한 μ_{s₁}^{s}를 정의한다. 하이퍼지오메트릭 분포를 이용해 FGSV를 μ의 기대값 형태로 변형하고, μ가 s₁에 대해 부드러운 함수임을 가정하면 테일러 전개를 통해 주요 기여는 s₁≈s·|S₀|/n 근처에 집중된다는 사실을 도출한다. 이를 기반으로 두 단계 근사 전략을 설계한다. 작은 s(데이터 샘플 크기)에서는 직접 Monte‑Carlo로 μ를 추정하고, 큰 s에서는 μ의 차분 Δμ를 쌍별 샘플링으로 직접 추정해 근사 오차를 크게 줄인다.

알고리즘 1은 이 아이디어를 구체화한 것으로, 임계값 \bar{s}를 기준으로 두 가지 추정 방식을 전환한다. 이때 필요한 샘플 수 m₁, m₂와 \bar{s}는 정리 3에서 제시된 복잡도 분석을 통해 (ε,δ)-근사를 보장하도록 선택된다. 결과적으로 전체 복잡도는 O(n·polylog n) 수준으로, 기존 개별 샤플리 근사 방법이 O(n·ε⁻²·log n)인 것에 비해 크게 개선된다.

실험에서는 CIFAR‑10, MNIST 등 표준 이미지 데이터와 Stable Diffusion 기반 이미지 생성 모델에 대한 저작권 보상 시나리오를 사용했다. FGSV는 쉘 컴퍼니 공격에 대해 완전한 방어를 보였으며, 제안 알고리즘은 동일한 정확도 목표 하에 기존 방법보다 5‑10배 적은 효용 평가 호출을 필요로 했다. 또한, 그룹 크기가 전체 데이터의 10% 수준일 때도 근사 오차가 1% 이하로 유지되는 등 실용성을 입증했다.

전체적으로 이 논문은 그룹 수준 데이터 가치 평가의 공정성을 수학적으로 정의하고, 이를 만족하는 유일한 해를 제시함과 동시에, 대규모 실무 적용을 위한 효율적인 근사 알고리즘을 제공한다는 점에서 데이터 마켓, AI 저작권, 협업 학습 등 다양한 도메인에 중요한 기여를 한다.