최근 개인정보 보호를 고려한 머신 러닝 기법으로 연합 학습(federated learning)이라고 부르는 기술이 주목받고 있습니다. 연합 학습으로 머신 러닝 학습 처리의 일부를 클라이언트 앱 측에서 실행해서 민감한 데이터를 로컬 기기에 둔 채로 글로벌 모델을 갱신할 수 있습니다. 여기에 차등 프라이버시(differential privacy)라고 부르는 기술을 조합해 보다 강력하게 개인정보 보호를 실현하는 방법도 활발하게 연구되고 있습니다.
LINE 앱에서는 이 기술을 스티커 추천에 응용해 서버 측에 집약돼 있는 추천 엔진 처리의 일부를 연합 학습으로 전환했습니다. 이 발표에서는 이 도입 사례를 중심으로 이 분야에서의 LINE의 활동을 소개하겠습니다.
