본 연구에서는 데이터 공유가 제한되는 상황에서도 정확하고 효율적으로 Wasserstein 거리를 계산할 수 있는 TriangleWad 기법을 제안합니다. TriangleWad는 Wasserstein 공간의 내재적 삼각 특성을 활용하여 데이터 간 거리를 빠르게 추정할 수 있으며, 동시에 데이터 프라이버시를 보장합니다.
차별적 개인정보 보호는 개인정보를 보호하면서도 데이터 분석을 통한 유용한 통찰을 얻을 수 있는 방법을 제공한다. 최근 차별적 개인정보 보호의 이론적 발전과 더불어 기계 학습 분야에서의 응용이 활발히 이루어지고 있다.
개인정보 보호와 높은 계산 성능을 동시에 달성하기 위해, 저차원 정보 민감 표현과 고차원 잔차 표현으로 구성된 비대칭 데이터 흐름을 활용한다.