데이터사이언스 대학원 재학생들이 2026년 K-DS 국제화 프로그램의 일환으로 국제 서머스쿨에 참석하였습니다.

이번 서머스쿨은 지난 7월 20일부터 24일까지 프랑스 오를레앙 대학에서 개최된 제13회 International School on Deep Learning으로, 딥러닝 분야의 최신 연구 동향을 공유하고 국제적 연구 역량을 강화하는 자리로 마련되었습니다.

참가 학생들은 서머스쿨 기간 동안 최신 연구 동향과 주요 기술을 습득하는 한편, 개인별 연구 성과를 발표하였습니다. 또한 다양한 국가의 연구자들과 활발하게 교류하며 국제 공동연구의 가능성을 모색하고 네트워크를 확대하는 뜻깊은 시간이 되었습니다.

[김가경 박사과정생]

○ 연구주제: A2A-VEX: Agent-to-Agent Evidence Provenance VEX for Reducing False Positives in SBOM-Based CVE

○ 연구내용

 - SBOM 기반 취약점 분석에서 기존 VEX의 기술적 근거 부족과 LLM 활용 시 발생하는 환각(Hallucination), 일관성 부족 문제를 분석하고 한계를 도출함.

 - A2A(Agent-to-Agent) 기반 다중 에이전트가 CVE 정보, 소스코드 분석 결과, 패치 정보를 구조화된 증거로 생성하고 이를 Evidence Provenance Graph로 통합하여 VEX 상태를 판단하는 프레임워크를 제안함.

 - 사례 연구 및 시스템 구현을 통해 증거 기반의 추적 가능하고 재현 가능한 VEX 판정을 수행하여 SBOM 버전 매칭 기반 오탐을 줄이는 효과를 제시하고, 향후 Ground Truth 데이터셋 구축을 통한 정량적 검증 방향을 제안함.

[김현서 박사과정생]

○ 연구주제: Endoscopic Imaging Research

○ 연구내용

 - Color Transfer 기법을 활용하여 무선 캡슐 내시경 영상 데이터를 보정하고, 딥러닝 기반 상부위장관 랜드마크 분류 성능을 향상시키는 데이터 구축 및 검증 연구 수행

 - LaMa 기반 Mask Inpainting을 이용하여 내시경 영상의 기포(Bubble)를 제거함으로써 영상 품질을 개선하는 전처리 기법을 개발

 - RGB 영상만을 활용하는 Motion Pattern 기반 Endoscopic Visual Odometry 및 SLAM 개선 기법을 개발하여 내시경 위치 추정의 정확도를 향상시키는 연구를 수행

[서화현 석사과정생]

○ 연구주제: SLAM for Legged Robots Using LiDAR, Camera, and IMU on Unitree Go2X

○ 연구내용

 - Unitree Go2 X 사족보행 로봇의 보행 중 발생하는 상하 움직임과 진동으로 인한 SLAM 불안정 문제를 분석함

 - LiDAR, 카메라, IMU의 특성과 한계를 분석하고, 각 센서가 제공하는 3차원 거리·영상 정보·움직임 및 자세 정보를 상호 보완적으로 활용하는 다중 센서 융합 방식을 적용함

 - GPS가 없는 실내 환경에서 로봇의 위치를 추정하면서 주변 환경 지도를 동시에 구축할 수 있는 안정적인 SLAM 시스템 개발을 목표로 함

[이지희 석사과정생]

○ 연구주제: Wash-Trading Candidate Discovery with Graph Neural Network

○ 연구내용

 - 이더리움 기반 DeFi 거래 데이터를 대상으로 가상거래(Wash Trading)의 특성과 기존 연구의 휴리스틱 탐지 기법을 분석하여 탐지 기준을 도출함.

 - 매수·매도 균형, 반복 거래, 엔티티 연결, 순환 거래, 플래시론 패턴, 비정상 거래량 증가 등 기존 연구의 휴리스틱을 활용하여 약지도(Weak Label)를 생성하고, AMM 거래 데이터에 맞게 적용함.

 - 그래프 신경망(GNN) 기반 탐지 모델을 구축하여 생성된 약지도를 학습에 활용하고, DeFi 거래에서 가상거래 의심 계정을 효과적으로 식별하는 방법을 제안함.

[장영은 석사과정생]

○ 연구주제: Development of a Synthea-Based De-identification and Re-identification Risk Mitigation Prototype (for Unstructured Clinical Text in Artificial Intelligence AI Data Governance of Tertiary Hospitals

○ 연구내용

 - 의료 AI 연구를 위한 전자의무기록(EMR) 2차 활용 과정에서 발생하는 개인정보 보호 문제를 해결하기 위해, 상급종합병원의 비정형 임상 텍스트를 대상으로 재식별 위험 저감 프로토타입을 제안함.

 - 개인정보(Protected Health Information, PHI) 탐지, 마스킹, 잔여 위험 평가 및 거버넌스 검토를 포함하는 비식별화 처리 파이프라인을 설계하고, PHI와 문맥 기반 재식별 위험 요소를 반영한 데이터 처리 체계를 구축함.

 - PHI 탐지와 문맥 기반 재식별 위험 완화 기법을 구현하고, 향후 대규모 언어모델(LLM) 및 ClinicalBERT 기반 모델과의 성능 비교를 통해 비식별화 효과를 검증하고자 함.

[전승옥 석사과정생]

○ 연구주제: LLM·RAG 기반 MyData 전송요청 적정성 검증 및 개인정보 보호 위험 탐지 시스템 개발

○ 연구내용

 - MyData 전송요청서에서 요청 데이터, 이용 목적, 제3자 제공 대상 등을 추출하여 비정형 요청을 구조화하고, 과도한 개인정보 수집 및 목적 외 이용 여부를 판단하는 시스템을 설계함.

 - 개인정보보호법 및 MyData 관련 공식 가이드라인을 RAG로 검색·활용하고, PEFT/LoRA·SFT·DPO로 미세조정한 LLM의 법률 추론을 통해 전송요청을 적정·과다수집·목적 외 이용으로 분류하고 근거를 제시하도록 구성함.