Privacy-Preserving Credit Scoring via Support Vector Machine Training with Homomorphic Encryption

Abstract

최근 빅데이터를 다루기 위한 기계학습과 클라우드 컴퓨팅 기술이 발전함에 따라 개인정보를 보호하는 기계학습(Privacy-Preserving Machine Learning)이 화두가 되고 있다. 동형암호는 암호화된 상태에서 데이터의 연산이 가능하며, 양자컴퓨터를 이용한 공격에도 안전한 차세대 암호 기술이다. 본 연구에서는 개인정보보호를 위한 동형암호화된 기계학습 시나리오 중, 금융 데이터를 바탕으로 채무 불이행 확률을 예측하고 대출 여부를 결정하기 위한 신용평가 모델을 학습하는 방법을 다룬다. 먼저, 신용평가 모델을 학습하고 활용하는 일련의 과정에 대해 구체적인 시나리오를 구성하고, 안전성 요구조건을 정의한다. 또한, 신용평가에서 분류 정확도가 높은 Support Vector Machine(SVM) 학습 알고리즘을 사용하여 신용평가에 최적화된 분류 모델을 학습시킨다. 이때 SVM 학습 알고리즘으로는 동형암호 연산 적용에 적합하게 변환할 수 있는 LS(Linear Square)-SVM 모델을 적용하여 효율적인 신용평가 모델 학습 시스템을 제안한다. 본 연구를 통해 데이터 소유자의 민감한 개인정보를 보호하는 암호화된 신용평가 모델 학습이 가능하며, 학습 결과로 얻은 SVM 모델을 사용하면 신용평가 예측 결과의 정확도를 높일 수 있을 것으로 예상된다.