ACSL-SWU Lab Research Area Trustworthy AI for
high-risk data environments

프라이버시 인지형 AIPrivacy-Aware AI

민감정보를 보호하면서 데이터의 의미와 모델 성능을 얼마나 보존할 수 있는가? How much meaning and model performance can we keep while protecting sensitive information?

생성형 AI와 데이터 분석 환경에서 개인정보와 민감정보를 식별하고, 보호 수준에 맞게 비식별화하거나 재현데이터로 변환합니다. 민감정보 이해, 프라이버시 보존형 모델링(PETs), 신뢰할 수 있는 추론을 거쳐 프라이버시와 활용성이 균형을 이루는 AI 모델을 개발하는 것을 목표로 합니다. 단순 마스킹 수준을 넘어 downstream utility와 재식별 위험을 함께 평가합니다. In generative-AI and analytics workflows we identify personal and proprietary technical information, then de-identify it — or replace it with synthetic data — at a level matched to the protection required. Through sensitive-information understanding, privacy-preserving modelling and trustworthy reasoning, the goal is AI that balances privacy against utility. What matters is not masking accuracy alone, but downstream utility and re-identification risk measured together.

AI 기반 핵심기술 보호AI for Critical Technology Protection

AI는 기술의 중요도와 보호 필요성을 신뢰성 있게 판단하고 설명할 수 있는가? Can we explain, credibly, why a long patent or R&D document counts as a core technology?

다양한 기술정보와 지식으로부터 기술의 의미와 관계를 이해하고, 기술의 중요도와 보호 필요성을 판단하는 AI 기반 핵심기술식별 및 보호 모델을 연구개발합니다. 특히 복잡하고 불완전한 기술정보 환경에서도 기술적 맥락과 관련성을 종합적으로 해석하고, 신뢰도와 설명 가능성을 갖춘 판단을 제공하는 것을 목표로 합니다. 이를 통해 핵심기술의 식별과 위험 분석을 넘어, 신뢰할 수 있는 기술 보호와 의사결정 지원으로 이어지는 방법론을 연구합니다. We study AI-driven technology intelligence that understands technological meaning and relationships from heterogeneous technical information and assesses technological significance and protection needs.

AI 기반 내부자 위험 분석 및 탐지AI-driven Insider Risk & Data Protection

복잡한 조직 환경에서 나타나는 내부자 위험을 신뢰성 있게 식별하고 예측할 수 있는가? How can insider and data leakage risks be identified while minimizing intrusive user monitoring?

조직 내 다양한 활동과 데이터 이용 과정에서 나타나는 맥락적 신호를 분석하여, 내부자 위험을 식별하고 대응하기 위한 AI 기반 내부자 위험 분석 및 탐지 모델을 연구합니다. 개별 행위나 단편적인 이상 징후를 탐지하는 것을 넘어, 행위 패턴과 상황적 맥락, 다양한 위험 신호 간의 관계를 종합적으로 이해하고 잠재적 위험을 신뢰성 있게 분석하는 것을 목표로 합니다. 이를 통해 실제 운영환경에서도 활용할 수 있는 설명 가능하고 선제적인 내부자 위험 분석 및 대응 방법론을 연구합니다. We read enterprise data and user activity through context-aware security intelligence. Behavioural analysis, leakage-risk detection and proactive protection are designed to lead to secure data use and risk mitigation. Data minimisation and purpose limitation are treated as design constraints of the detector, and alongside detection accuracy we evaluate surveillance harm, explainability and scenario validity.