기술 요약: FPLIER – 연방 경로 수준 정보 추출기

1. 문제 제기

전사체학 (transcriptomics) 에서 경로 수준 정보 추출기 (PLIER) 와 같은 유전자 세트 인식 분해 방법은 대규모 이질적 발현 종합 데이터를 기반으로 학습할 때 최적의 성능을 발휘합니다. 그러나 많은 임상 관련 코호트는 개인정보 보호 우려, 규제 요구사항, 데이터 거버넌스 정책으로 인해 단일 중앙 집중식 데이터셋으로 통합할 수 없습니다. 연방 학습 (FL) 은 데이터 통합 없이 협력적 학습을 위한 프레임워크를 제공하지만, 표준 FL 워크플로 (경량 기반 업데이트를 위한 딥러닝용으로 설계됨) 는 PLIER 와 자연스럽게 정렬되지 않습니다. PLIER 는 폐쇄형 선형 대수적 업데이트와 유전자 세트에 기반한 구조적 제약을 의존하므로, 분산 환경에서 작동하려면 전용 재형성이 필요합니다. 또한, 이러한 연방 행렬 분해의 개인정보 보호 위험, 특히 딥러닝에 비해 이 맥락에서 덜 연구된 구성원 추론 공격 (membership inference attacks) 에 대한 이해가 필요합니다.

2. 방법론

2.1. FPLIER 프레임워크

FPLIER 는 원시 유전자 발현 데이터를 로컬에 유지하면서 여러 데이터 보유자 간 협력적 학습을 가능하게 하도록 설계된 PLIER 의 연방 재형성입니다. 이 프로토콜은 서버와 클라이언트가 프로토콜을 따르지만 관찰된 양으로부터 추가 정보를 추론하려 할 수 있는 정직하지만 호기심 많은 (honest-but-curious) 위협 모델 하에서 운영됩니다.

핵심 메커니즘:

• 데이터 분할: 유전자 발현 행렬 $Y$는 $N$개의 클라이언트 간에 열 방향 (샘플) 으로 분할됩니다. 각 클라이언트 $i$는 비공개 데이터셋 $Y^{priv}_i$를 보유하고 공유 공개 데이터셋의 일부인 $Y^{pub}_i$를 할당받습니다.
• 전역 대 로컬 변수:
  • 로컬: 각 클라이언트는 발현 행렬 $Y_i$와 해당 잠재 표현 $B_i$를 로컬에 유지합니다. 이는 절대 공유되지 않습니다.
  • 전역: 유전자 로딩 행렬 $Z$, 유전자 세트 연관 행렬 $U$, 유전자 세트 구성원 행렬 $C$는 컨소시엄 간에 공유되는 전역 매개변수입니다.
• 안전한 집계: PLIER 의 학습 업데이트는 $YY^\top$, $YB^\top$, $BB^\top$와 같은 행렬 곱에 의존합니다. FPLIER 에서 이러한 양은 SecAgg+ 프로토콜을 사용하여 클라이언트 간에 가산적으로 계산됩니다 ($\sum Y_i Y_i^\top$ 등). 이를 통해 서버는 개별 클라이언트 기여도가 아닌 집계된 합만 볼 수 있습니다.
• 대수적 동등성: 업데이트가 이러한 집계된 합을 통해서만 데이터에 의존하기 때문에, FPLIER 는 원본 방법의 수학적 구조를 보존하면서 중앙 집중식 PLIER 접근법과 대수적으로 동등한 (소수점 오차 범위 내) 학습 업데이트를 생성합니다.

프로토콜 단계:

1. 예비 단계: 서버는 클라이언트에게 공개 데이터의 조각을 배포합니다. 클라이언트는 비공개 데이터를 공개 조각과 연결하고, 로컬 학습/홀드아웃 분할을 수행하며, 연방 z-점수 표준화에 참여합니다.
2. 연방 학습: 클라이언트는 로컬 행렬을 반복적으로 업데이트하고 전역 $Z$ 및 $U$를 업데이트하기 위해 필요한 행렬 곱을 안전하게 집계합니다.
3. 배포 후 평가 (선택 사항): 모델이 배포되기 전에 클라이언트는 홀드아웃 세트를 사용하여 모델의 구성원 추론 공격에 대한 민감도를 로컬에서 평가할 수 있습니다.

2.2. 개인정보 보호 평가 전략

저자들은 두 가지 설정에서 구성원 추론 공격을 통해 개인정보 보호 위험을 평가합니다:

1. 학습 시간 공격: 정직하지만 호기심 많은 서버가 초기화 중에 관찰된 집계된 공분산 유사 행렬 $YY^\top$을 사용하여 특정 샘플이 학습 세트에 포함되었는지 여부를 판단하려 시도합니다. 이 공격은 $YY^\top$에 대한 주성분 분석 (PCA) 을 사용하여 후보 샘플을 투영합니다. 학습 샘플은 일반적으로 더 작은 재구성 잔차를 보입니다.
2. 배포 후 공격: 외부 공격자는 공개된 모델 매개변수 ($Z$ 및 $\lambda_2$) 를 사용하여 샘플을 재구성하고 원본 및 재구성 프로파일 간의 스피어만 순위 상관관계를 측정합니다.

3. 주요 기여

• FPLIER 공식화: 전사체 분석을 위한 유전자 세트 인식 분해 방법의 첫 번째 연방 공식화이며, 특히 분산 학습을 위해 PLIER 의 최적화 절차를 적응시켰습니다.
• 실증적 검증: 시뮬레이션된 컨소시엄 (K–CLIER 및 MultiPLIER 설정) 에서 FPLIER 가 안정적으로 수렴하며 중앙 집중식 PLIER 와 통계적으로 구별할 수 없는 분해를 생성함을 입증했습니다.
• 개인정보 보호 - 순위 분석: 구성원 추론 위험이 학습 발현 행렬의 **순위 (rank)**에 의해 지배된다는 것을 체계적으로 분석했습니다. 이 연구는 샘플 - 특징 비율 ($n/p$) 을 증가시키거나 공개 데이터를 통합함으로써 시스템을 "풀랭크 (full-rank) 영역"으로 이동시켜 공격자가 학습 및 비학습 샘플을 구별할 수 없게 만든다고 확인했습니다.
• 새로운 배포 후 분석: 표준 중앙 집중식 학습 PLIER 모델에 대한 구성원 추론 위험을 처음으로 제시하여, 동일한 순위 기반 원칙이 배포된 모델에도 적용됨을 보여주었습니다.

4. 실험 결과

저자들은 다양한 비율의 공개 데이터 (0% 에서 100%) 를 가진 연방 컨소시엄을 시뮬레이션하여 K–CLIER (신장 생물학) 및 MultiPLIER (일반 전사체학) 연구의 데이터셋을 사용하여 FPLIER 를 평가했습니다.

• 모델 유용성: FPLIER 는 신뢰성 있게 수렴했습니다. 유전자별 재구성 상관관계에 대한 콜모고로프 - 스미르노프 (Kolmogorov–Smirnov) 검정은 FPLIER 와 중앙 집중식 PLIER 간에 통계적으로 유의미한 차이가 없음을 보여주었습니다.
• 학습 시간 공격:
  • **랭크 결핍 영역 (low $n/p$, 공개 데이터 적음)**에서 서버는 학습 샘플과 홀드아웃 샘플을 구분하는 데 거의 완벽한 AUROC(1.0 에 근접) 를 달성할 수 있었습니다.
  • 공개 데이터가 추가되거나 차원이 축소됨에 따라 $n/p$가 증가했습니다. 시스템이 **풀랭크 영역 ($n/p \approx 1$)**에 근접하자 공격 성능은 무작위 추측 ($AUROC \approx 0.5$) 으로 급격히 떨어졌습니다.
• 배포 후 공격:
  • 유사한 경향이 관찰되었습니다: 학습 데이터의 순위가 증가함에 따라 공격 효과가 감소했습니다.
  • 그러나 배포 후 공격은 일반적으로 학습 시간 공격보다 효과가 적었으며 클라이언트 간 변동성이 더 컸는데, 이는 잠재 공간에 대한 정규화 및 유전자 세트 제약의 영향 때문일 가능성이 높습니다.
• 차원 축소: 특징 공간 축소 (예: K–CLIER 에서 2,000 개 유전자) 는 더 작은 샘플 크기에서도 시스템을 풀랭크 영역으로 이동시켜 공격 효과를 크게 완화했습니다.

5. 중요성 및 주장

이 논문은 데이터 거버넌스 제약에 직면한 협력적 전사체 분석을 위한 실용적이고 적절한 해결책으로 FPLIER 를 제시합니다. 그 주요 중요성은 다음과 같습니다:

1. 협력 가능화: 민감한 원시 데이터를 중앙 집중화하지 않고도 기관들이 대규모 이질적 공개 데이터셋과 비공개 코호트를 동시에 활용할 수 있게 하여 GDPR 과 같은 규제 프레임워크를 준수합니다.
2. 개인정보 보호 경계 정의: PLIER 와 같은 행렬 분해 방법의 경우 개인정보 보호가 절대적인 이진 상태가 아니라 데이터 순위의 함수임을 확립합니다. 이는 실용적인 지침을 제공합니다: 컨소시엄은 공개 데이터 통합 또는 차원 축소를 통해 풀랭크 영역에서 운영하여 모델 유용성을 저하시킬 수 있는 차분 개인정보 보호 (differential privacy) 에 반드시 의존하지 않고도 구성원 추론 위험을 자연스럽게 완화해야 합니다.
3. 운영적 안전장치: 프로토콜에는 모델 배포 전에 클라이언트가 로컬에서 개인정보 보호 위험을 평가할 수 있는 내장 메커니즘이 포함되어 있어, 모델이 특정 데이터 분포에 과도하게 민감한 것으로 판명되면 배포를 차단할 수 있습니다.

저자들은 차분 개인정보 보호와 달리 그들의 개인정보 보호 보장이 형식적이 아닌 실증적이며, 연구가 정직하지만 호기심 많은 위협 모델로 제한됨을 지적하며 겸손한 입장을 유지합니다. 향후 연구는 형식적 개인정보 보호 메커니즘을 통합하고 초기화 중 노출을 더욱 줄이기 위해 연방 특이값 분해를 탐구할 수 있음을 제안합니다.