기술 요약: 개인정보 보호를 위한 웨어러블 스트레스 탐지용 합성 건강 센서 데이터 생성

문제 정의

스마트워치 건강 센서 데이터를 활용한 스트레스 탐지 및 환자 모니터링의 활용이 증가하고 있으나, 의료 데이터의 민감성과 고품질 데이터셋 확보의 어려움이 핵심적인 병목 현상으로 작고 있습니다. 웨어러블 기기는 풍부한 생리적 시계열 데이터를 생성하지만, 엄격한 개인정보 보호 규정과 익명화된 건강 신호로부터의 재식별 위험은 데이터 공유를 제한합니다. 또한, 차분 프라이버시(Differential Privacy, DP) 제약 조건 하에서 강건한 머신러닝 모델을 훈련하는 것은 개별 기록을 보호하기 위해 도입된 노이즈로 인해 상당한 유틸리티 손실(모델 성능 저하)을 초래하는 경우가 많습니다. 저자들은 DP 보호 기능이 있는 생성적 적대 신경망(GAN)을 통해 생성된 합성 데이터가 실데이터를 보강하거나 대체함으로써, 환자의 개인정보를 침해하지 않으면서도 스트레스 탐지 모델의 성능을 개선할 수 있는지 조사하여 유틸리티-프라이버시 간의 트레이드오프를 최적화하는 과제를 다룹니다.

방법론

본 연구는 15명의 참가자로부터 Empatica E4 손목 밴드를 통해 기록된 다중 모드 생리적 신호를 포함하는 공개 데이터셋인 WESAD 데이터셋을 활용합니다. 데이터에는 3축 가속도(ACC), 전기 피부 활동(EDA), 피부 온도(TEMP), 혈액 부피 변화(BVP)의 6가지 모달리티가 포함됩니다. 작업은 이진 분류(스트레스 vs 비스트레스)입니다.

데이터 준비

1. 리샘플링 및 정렬: 서로 다른 주기로 기록된 신호들을 푸리에 방법(Fourier methods)을 사용하여 1Hz로 다운샘플링함으로써 정렬과 매끄러움을 보장했습니다.
2. 레이블링: 중립(Neutral) 상태와 즐거움(Amusement) 상태를 하나의 "비스트레스(non-stress)" 클래스로 병합하여 이진 분류 문제를 생성했습니다.
3. 윈도잉(Windowing): 샘플 크기를 늘리고 문맥 정보를 제공하기 위해 60초 길이의 창(window)과 30초의 슬라이딩 오버랩을 사용하여 데이터를 분할했습니다.
4. 정규화: 신호를 [0, 1] 범위로 스케일링하기 위해 Min-max 정규화를 적용했습니다.

생성 모델

저자들은 합성 시계열 데이터를 생성하기 위해 세 가지 별도의 GAN 아키텍처를 훈련시켰습니다:

1. 조건부 GAN (CGAN): 생성자와 판별자 모두가 보조 입력으로서 클래스 레이블(스트레스/비스트레스)을 받는 비개인정보 보호 모델입니다. 시간적 의존성을 포착하기 위해 LSTM 레이어를 사용하며, FCN 판별자를 활용합니다.
2. DoppelGANger (DGAN): 다중 모드 상관관계를 처리하기 위해 별도의 생성자와 판별자를 사용하여 메타데이터(레이블) 생성과 연속적 측정값 생성을 분리한 비개인정보 보호 모델입니다.
3. 차분 프라이버시 CGAN (DP-CGAN): CGAN의 개인정보 보호 변형 모델입니다. 훈련 중 특히 판별기에 **차분 프라이버시 확률적 경사 하강법(DP-SGD)**을 적용합니다. 생성된 샘플이 특정 개인에 대한 정보를 유출하지 않도록 실제 데이터를 처리할 때 판별기의 그래디언트에 노이즈를 주입합니다.

평가 전략

합성 데이터는 Leave-One-Subject-Out (LOSO) 교차 검증 프레임워크 내에서 두 가지 주요 전략으로 평가되었습니다:

• TSTR (Train Synthetic, Test Real): GAN에 의해 생성된 합성 데이터로만 모델을 훈련시키고 실제 WESAD 데이터로 테스트합니다.
• 증강 (AUGM): 합성 데이터를 실제 훈련 데이터와 결합하여 데이터셋의 크기를 확장합니다.

연구에서는 DP-CGAN에 대해 세 가지 프라이버시 예산($\epsilon$)을 테스트했습니다: 10 (완화됨), 1 (강함), 0.1 (매우 엄격함).

품질 평가

합사 데이터 품질은 다음을 통해 평가되었습니다:

• 시각적/통계적 분석: 데이터 분포와 클러스터링을 시각화하기 위한 PCA 및 t-SNE.
• 상관관계 분석: 신호와 레이블 간의 관계(예: EDA와 스트레스 사이의 알려진 양의 상관관계)를 검증하기 위한 피어슨 상관 계수 및 p-값.
• 분류기 두 샘플 테스트 (C2ST): 실제 데이터와 합성 데이터를 구별하도록 훈련된 분류기; 낮은 정확도는 두 분포 간의 유사성이 높음을 나타냅니다.

주요 결과

합성 데이터 품질

• 비개인정보 보호 모델: CGAN과 DGAN 모두 원래의 WESAD 데이터의 통계적 분포와 상관관계를 밀접하게 모방하는 합성 데이터를 생성했습니다. CGAN이 t-SNE 시각화에서 약간 더 나은 정렬을 보여주었습니다.
• 프라이버시 영향: 프라이버시 예산이 엄격해짐에 따라(낮은 $\epsilon$) 합성 데이터의 품질이 저하되었습니다.
  • $\epsilon = 10$ 및 $\epsilon = 1$에서 DP-CGAN은 특히 EDA와 TEMP에 대해 합리적인 상관 구조를 유지했습니다.
  • $\epsilon = 0.1$에서 모델은 EDA와 스트레스 레이블 사이의 중요한 상관관계를 보존하는 데 어려움을 겪었으며, 다른 신호(ACC, TEMP)에 집중하거나 BVP의 과잉 상관을 유발했습니다. EDA의 분포 밀도 또한 원본 데이터와 크게 벗어났습니다.

스트레스 탐지 성능

합성 데이터는 CNN, CNN-LSTM, TSCT 분류기를 훈련시키는 데 사용되었습니다.

• 비개인정보 보호 증강: 비개인정보 보호 합성 데이터(CGAN)를 사용하는 것은 실제 데이터만으로 훈련된 베이스라인 모델보다 F1-score에서 미미한 개선(0.45%)을 제공했습니다.
• 개인정보 보호 증강: 가장 중요한 발견은 DP 제약 조건이 있는 시나리오에서 관찰되었습니다.
  • DP-CGAN 합성 데이터로 훈련된 분류기는 동일한 DP 제약 조건 하에서 실제 데이터로 직접 훈련하는 것보다 실질적인 F1-score 향상을 보였습니다.
  • 구체적으로, 개인정보 보호 훈련 시나리오에서 합성 데이터의 사용은 다양한 $\epsilon$ 값에 대해 11.90%에서 15.48%의 F1-score 증가를 가져왔습니다.
  • 예를 들어, 엄격한 $\epsilon = 0.1$ 예산에서 DP-CGAN 증강 모델은 F1-score **84.19%**를 달성하여, 관련 연구의 DP-TSCT 모델(68.71%) 및 비증강 DP 베이스라인을 크게 상회했습니다.

의의 및 주장

본 논문은 차분 프라이버시 기반의 합성 데이터 생성이 웨어러블 건강 모니터링에서의 유틸리티-프라이버시 트레이드오프를 극복하기 위한 실행 가능한 전략임을 주장합니다.

1. 프라이버시 제약 하에서의 유틸리티 향상: 주요 기여는 DP 제약 조건 하에서 합성 데이터를 생성하는 것이 동일한 프라이버시 보장을 갖는 조건에서 실제 데이터로 직접 훈련하는 것보다 훨씬 높은 성능의 스트레스 탐지 모델을 훈련할 수 있음을 입증한 것입니다. 합성 데이터는 프라이버시 비용을 효과적으로 "희석"하여, 모델이 개별 기록을 노출하지 않고도 강건한 패턴을 학습할 수 있게 합니다.
2. 개인정보 보호가 적용된 데이터 가용성: 이 접근 방식은 생성 과정이 DP를 준수한다면, 실제 환자 데이터를 다루는 윤리적 및 법적 허들 없이 스트레스 탐지를 위한 대규모 레이블 데이터셋을 자유롭게 공유할 수 있도록 합니다.
3. 다중 모드 생성의 타당성: 본 연구는 GAN이 프라이버시 노이즈가 적용된 상황에서도 정확한 스트레스 분류에 필요한 생리적 상관관계를 유지하면서 복잡한 다중 모드 시계열 데이터(ACC, EDA, TEMP, BVP)를 성공적으로 생성할 수 있음을 확인했습니다.

저자들은 프라이버시 요구 사항이 높아질수록($\epsilon \to 0.1$) 합성 데이터의 충실도(fidelity)에 필연적으로 영향을 미치지만, 개인정보 보호 설정에서의 다운스트림 분류 작업에 대한 유틸리티 이득이 상당하며, 이는 개인정보를 고려하는 스마트 헬스 연구를 위한 실질적인 경로를 제공한다고 결론지었습니다.