금융 탭ular 데이터 합성의 프라이버시 위험과 효율성 균형

초록

본 논문은 금융 분야의 고불균형·다중형 데이터에 대해 차별적 프라이버시 보장을 적용한 GAN·VAE 합성기를 설계하고, 비공개·공개 모델을 품질·유용성·프라이버시(멤버십 추론 공격) 측면에서 비교 평가한다. DP‑CTGAN·DP‑TVAE는 전처리·학습 단계마다 노이즈와 클리핑을 삽입해 (ε,δ)‑DP를 보장하며, 클래스 불균형이 모델 안정성과 프라이버시 위험에 미치는 영향을 실험적으로 규명한다.

상세 분석

이 연구는 금융 탭ular 데이터가 갖는 두 가지 핵심 난제—극심한 클래스 불균형과 연속·범주형 혼합 특성—에 초점을 맞추어 기존 합성 모델들의 한계를 체계적으로 분석한다. 먼저, Gaussian Copula, TabDiffusion, CTGAN, TVAE 네 가지 대표 모델을 선정하고, 특히 CTGAN과 TVAE에 대해 차별적 프라이버시(DP) 구현을 새롭게 제안한다. DP‑CTGAN은 조건 벡터 생성 시 통계적 집계 대신 포아송 샘플링을 이용해 실제 데이터 분포를 노출하지 않으며, 배치 내 실샘플 선택을 무작위화해 샘플별 사용 비율을 균등하게 만든다. 손실 계산 단계에서는 각 실샘플·합성샘플·보간점에 대해 개별 손실을 누적하고 클리핑한 뒤, DP‑Adam을 통해 가우시안 노이즈를 추가함으로써 (ε,δ)‑DP를 보장한다. TVAE는 인코더·디코더 전 과정을 DP‑Adam으로 학습함으로써 전체 모델에 프라이버시 보호를 확장한다.

실험은 Tabular Arena 벤치마크의 다섯 개 금융 데이터셋(Adult, Bank Churn, Bank Marketing, Credit‑Card Default, German Credit)에서 수행된다. 각 데이터셋은 10 %~85 % 범위의 소수 클래스 비율을 가지고 있어, 불균형 정도가 모델 성능에 미치는 영향을 정량화한다. 평가 지표는 (1) 데이터 품질: marginal·joint distribution 차이와 SDMetrics 점수, (2) 다운스트림 유용성: 동일 모델을 학습한 후의 분류 정확도·AUC, (3) 프라이버시 위험: 멤버십 추론 공격 성공률 및 ε‑값.

주요 결과는 다음과 같다. (i) 비공개 모델은 전반적으로 높은 품질·유용성을 보였지만, 불균형 데이터에서는 모드 붕괴가 심해 소수 클래스 샘플 재현률이 급격히 떨어졌다. (ii) DP‑CTGAN·DP‑TVAE는 ε ≤ 1.0 수준에서 멤버십 추론 공격 성공률을 30 %~50 % 감소시켰으나, 동일 ε에서 품질·유용성 손실이 5 %~12 % 정도 발생했다. 특히, DP‑CTGAN은 조건 벡터 샘플링 방식을 바꾸어 모드 붕괴를 완화했으며, 클래스 불균형이 심한 데이터(예: German Credit, 85 % 소수 클래스)에서는 다운샘플링 전략을 적용해 학습 배치를 균형 있게 구성함으로써 유용성 손실을 최소화했다. (iii) Diffusion 기반 TabDiffusion은 비공개 상황에서도 비교적 안정적인 품질을 유지했지만, DP 적용 시 계산 비용이 급증하고, 노이즈 추가가 모델 수렴을 방해해 실용성이 낮았다.

이 논문은 금융 데이터 합성에 있어 프라이버시와 유용성 사이의 트레이드오프를 정량화하고, 특히 클래스 불균형이 프라이버시 위험을 증폭시킬 수 있음을 실증적으로 보여준다. 또한, 전처리 단계에서 메타데이터(범위)만을 사용하고, 배치‑레벨 클리핑·노이즈 삽입을 통해 전체 파이프라인에 DP를 일관되게 적용하는 설계가 실용적이며 재현 가능함을 입증한다. 향후 연구는 (a) ε‑값을 동적으로 조정하는 적응형 DP, (b) 불균형 데이터에 특화된 샘플링·가중치 기법, (c) 프라이버시‑유용성 다목적 최적화를 위한 메타러닝 접근을 제안한다.