중앙대학교 산업보안학과 김호기 교수 연구팀이 산업 인공지능(AI) 시스템에서 특정 데이터를 선택적으로 삭제할 수 있는 ‘언러닝(Unlearning)’ 기술을 제안했다.

중앙대는 김 교수 연구팀의 논문이 국제 학술지 ‘IEEE 트랜잭션스 온 인더스트리얼 인포매틱스(IEEE Transactions on Industrial Informatics)’에 게재됐다고 밝혔다. 이 학술지는 SCIE 기준 상위 약 5%에 해당하는 산업 인공지능 분야 권위 있는 저널이다.

산업 현장에서는 베어링 등 핵심 부품의 고장 진단을 위해 AI 기반 설비 진단 시스템이 널리 활용되고 있다. 그러나 학습 데이터 삭제 요청이 발생할 경우 기존 방식은 모델을 처음부터 다시 학습해야 해 대규모 데이터와 복잡한 모델 구조를 가진 산업 환경에서는 비용과 시간이 크게 늘어나는 문제가 있었다.

연구팀은 이를 해결하기 위해 적대적 공격과 의미 기반 손실 함수를 결합한 새로운 프레임워크 ‘ARU(Adversarial Retain-Free Unlearning)’를 제안했다.

이 기술은 사전 학습된 모델과 삭제 대상 데이터를 활용해 ‘대체 유지 샘플’을 생성하는 방식이다. 실제 유지 데이터를 사용하지 않으면서도 모델의 구조적 안정성을 유지할 수 있도록 설계됐다.

공개 및 산업용 베어링 데이터셋을 활용한 실험 결과 ARU 방식은 기존 머신 언러닝 기법보다 높은 망각 성능과 안정적인 진단 정확도를 동시에 달성한 것으로 나타났다. 연구팀은 이를 통해 실제 산업 설비 진단 시스템에서도 데이터 삭제 요구를 효율적으로 처리할 수 있음을 확인했다.

김호기 교수는 “스마트팩토리 등 산업 전반에서 AI 활용이 확대되면서 데이터 권리 보호와 신뢰성 확보가 중요한 과제로 떠오르고 있다”며 “이번 연구는 산업 AI 환경에서도 특정 데이터를 안전하게 제거할 수 있는 기술적 기반을 제시했다는 데 의미가 있다”고 말했다.

이번 연구는 한국연구재단과 정보통신기획평가원 지원을 받아 수행됐다.