동형암호는 암호화된 상태에서 연산을 수행한 결과로 생성된 암호문의 복호화된 결과값이 평문 자체를 연산한 결과값과 같은 암호 알고리즘을 의미한다. 여기서 연산은 컴퓨터에서 수행할 수 있는 모든 연산을 의미하며, 일반적으로는 정수 또는 실수를 암호화하여 덧셈 및 곱셈, 등의 산술적인 연산 또는 비트 연산을 제공한다. 동형암호의 이러한 성질을 활용하면 암호화된 데이터를 복호화 과정 없이 합과 곱, 평균, 분산, 첨도, 왜도, 최댓값, 최솟값 등의 연산을 통한 통계적인 데이터 분석이 가능할 뿐만 아니라 로지스틱 회귀 등의 머신러닝 연산도 가능하다.
하지만, 동형암호를 통한 연산은 평문에서 같은 연산을 수행했을 때에 비해 속도가 느리며, 곱셈 연산의 경우 횟수의 제약이 있다. 또한, 동형암호화된 상태에서 머신러닝에서 주로 사용되는 ReLU (Rectified Linear Unit) 와 같은 비선형 활성화 함수를 직접 구현하는 것이 어렵기 때문에 최근 연구에서는 비선형 활성화 함수를 다항함수로 근사화(approximate)하여 활성화 함수로 사용하는 연구들도 이루어 지고 있다. 따라서, 머신러닝에 동형암호를 적용하기 위해서는 동형암호에 적합한 머신러닝 (Homomorphic Encryption friendly machine learning) 기법에 대한 연구가 필요하다. 본 논문에서는 동형암호에 적합한 머신러닝 기법에 대한 연구동향을 살펴보고, 동형암호를 실제 사용하기 위해 동형암호 라이브러리별 특징과 효율적인 동형암호 기반 머신러닝 알고리즘을 개발하기 위한 방법들을 살펴보도록 한다.
그리고 동형암호화된 기계학습의 추론에 관련된 연구 결과들 중 개선해야 할 점들 중 하나로 추론 시간이 오래 걸려 실시간 서비스에 활용하기 어렵다는 문제를 해결하기 위한 소량의 데이터 추론 시간을 합리적인 수준까지 줄일 수 있도록 rotation 을 활용한 기법을 사용하여 구체적인 예시인 로지스틱 회귀의 추론 알고리즘에 적용한다. 이를 통해 소량의 데이터 추론에서 실시간 서비스를 제공할 만큼의 성능 개선이 이루어짐을 보이고 해당 접근 방법의 아이디어를 제시한다.
마지막으로 추후 연구할 할 방향성에 대해 제시하고 본 논문의 연구를 정리하며 마무리한다.