Reputation-Driven Federated Learning: Enhancing Trust in Healthcare Data Sharing with Blockchain

현대 사회에서 병원과 연구 센터는 심장 박동부터 유전 코드에 이르기까지 환자에 대한 방대한 양의 민감한 정보를 생성합니다. 이러한 데이터를 공유하는 것은 인공지능이 질병을 더 일찍 발견하고 더 잘 치료할 수 있도록 훈련하는 데 필수적이지만, 이를 수행하는 데는 큰 위험이 따릅니다. 만약 원시 데이터가 병원의 보안 서버를 벗어나게 되면 환자의 개인정보가 파괴될 수 있기 때문입니다. 수년 동안 과학자들은 절충안을 찾아왔습니다. 한 가지 유망한 접근 방식은 연합 학습(federated learning)이라 불리는 방법으로, 중앙 컴퓨터가 여러 다른 병원에 각자의 로컬 데이터를 사용하여 공유 인공지능 모델을 훈련하도록 요청하는 방식입니다. 병원들은 자신들의 사적인 환자 기록을 중앙 컴퓨터로 보내지 않으며, 오직 모델이 학습한 수학적 업데이트만을 보냅니다. 그러나 이 시스템은 신뢰에 의존합니다. 만약 어떤 병원이 부정직하거나 그 컴퓨터가 해킹당한다면, 전체 모델을 망가뜨리거나 더 심하게는 다른 환자들에 대한 정보를 훔치는 변질된 업데이트를 보낼 수 있습니다. 이를 해결하기 위해 연구자들은 거래를 영구적이고 투명하며 탐지 없이 수정하는 것이 불가능한 방식으로 기록하는 기술인 디지털 장부 기술, 블록체인으로 눈을 돌리고 있습니다. 이 두 가지 기술을 결합함으로써, 과학자들은 데이터는 비공개로 유지하면서도 모든 참여자의 행동을 모니터링하고 검증할 수 있는 시스템을 구축하고자 합니다.

카메리노 대학교와 밀라노 대학교의 연구팀은 이러한 개념들을 의료를 위한 보안 프레임워크로 엮어내는 새로운 아키텍처를 제안했습니다. 그들의 연구는 구체적인 문제, 즉 어떻게 신뢰할 수 있는 병원만이 이러한 공유 모델 훈련에 참여하도록 보장하고, 악의적으로 행동하는 참여자를 즉각적으로 식별하여 제거할 것인가에 초점을 맞추고 있습니다. 그들은 허가형 블록체인이 중앙 권한 역할을 하는 시스템을 구축했는데, 이는 단순히 기록을 저장하는 대신 훈련 과정에 참여할 수 있는 자격을 능동적으로 관리합니다. 이 시스템은 속성 기반 접근 제어(attribute-based access control)라는 방법을 사용하는데, 이는 방문자의 신원, 다루고 있는 데이터의 유형, 과거의 평판과 같은 특정 자격 요건을 확인하여 문을 통과시켜 주는 역동적인 보안 요원처럼 작동합니다. 이 설정에서 블록체인은 사적인 의료 기록 자체를 저장하지 않습니다. 그 기록들은 각 병원의 로컬 데이터베이스 안에 안전하게 잠겨 있습니다. 대신, 블록체인은 접근 규칙, 참여자의 신원, 그리고 그들이 공유하는 모델의 암호학적 지문을 저장하여 전체 과정이 투명하고 조작 불가능하도록 보장합니다.

이 연구의 핵심 혁신은 "신뢰"를 계산하고 사용하는 방식에 있습니다. 전통적인 시스템에서 병원은 단순히 알려진 기관이라는 이유만으로 신뢰받을 수 있습니다. 그러나 이 새로운 프레임워크에서 신뢰는 성과에 따라 변화하는 살아있는 숫자입니다. 연구자들은 각 병원이 훈련 과정 중에 어떻게 행동하는지를 지속적으로 관찰하는 시스템을 설계했습니다. 이 시스템은 세 가지 주요 요소, 즉 모델 업데이트의 정확도, 병원의 응답 속도, 그리고 역사적 평판을 살펴봅니다. 만약 어떤 병원이 다른 병원들과 지나치게 다른 모델 업데이트를 보내거나, 응답하는 데 이례적으로 오랜 시간이 걸린다면 시스템은 이 행동을 감지합니다. 연구자들은 3분의 1이 훈련을 방해하려는 악의적인 행위자로 활동하는 50개의 병원 네트워크를 시뮬레이션했습니다. 시뮬레이션 결과, 시스템은 이러한 악의적인 행위자들을 성공적으로 식별해 냈습니다. 정직한 병원들의 신뢰 점수는 성과가 좋을수록 상승한 반면, 악의적인 병원들의 신뢰 점수는 급격히 하락했습니다. 불과 몇 번의 훈련 라운드 만에 시스템은 악의적인 행위자들을 격리하여, 그들이 더 이상 공유 모델에 영향을 미칠 수 없도록 네트워크에서 차단하는 데 성공했습니다.

이를 구현하기 위해 연구자들은 두 부분으로 구성된 디지털 인프라를 개발했습니다. 첫째, 신원 및 정책 결정을 처리하기 위해 블록체인 상의 본질적으로 자기 실행 프로그램인 스마트 계약 시스템을 만들었습니다. 이 프로그램은 모든 요청을 검사하여 보안 규칙과 일치하는지 확인합니다. 둘째, 배경에서 신뢰 점수를 계산하는 별도의 모니터링 시스템을 구축했습니다. 병원이 훈련 작업에 참여하고자 할 때, 시스템은 현재의 신뢰 점수를 보안 규칙과 대조합니다. 점수가 충분히 높으면 해당 병원은 참여가 허용됩니다. 만약 이전 작업에서 이상한 행동을 보여 점수가 너무 낮아졌다면, 시스템은 접근을 거부합니다. 이는 나쁜 행동은 배제를 통해 자동으로 처벌받고, 좋은 행동은 지속적인 참여로 보상받는 자정 능력을 갖춘 네트워크를 만듭니다. 연구자들은 50개의 노드가 있는 시뮬레이션 환경에서 10회의 훈련 작업을 실행하며 이 설정을 테스트했습니다. 그들은 시스템이 정직한 참여자와 악의적인 참여자를 높은 정밀도로 구별해 내며, 악의적인 행위자를 격리하는 동시에 선한 참여자들이 공유 모델을 계속 개선할 수 있도록 한다는 것을 발견했습니다.

연구는 또한 시스템이 압박 상황에서 어떻게 작동하는지 조사했습니다. 연구자들은 블록체인이 부하를 어떻게 처리하는지 확인하기 위해 수천 건의 요청을 생성했습니다. 그들은 요청 수가 적당할 때는 시스템이 규칙에 따라 접근을 승인하거나 거부하며 매우 잘 작동한다는 것을 발견했습니다. 그러나 요청 수가 매우 많아지면, 마치 교통 체증이 지연을 일으키는 혼잡한 고속도로처럼 시스템이 느려지기 시작했습니다. 이는 모든 거래를 검증하는 데 시간과 컴퓨팅 파워가 소요되는 블록체인 기술의 알려진 과제입니다. 그럼에도 불구하고, 결과는 보안상의 이점이 상당하다는 것을 보여주었습니다. 시스템은 데이터 오염 시도가 있을 때도 권한 없는 접근을 성공적으로 차단하고 모델 훈련의 무결성을 유지했습니다. 연구자들은 신뢰 관리를 접근 제어 규칙에 직접 통합함으로써 선제적인 방어 메커니즘을 구축했다고 결론지었습니다. 이 접근 방식은 공격이 발생한 후에 반응하는 것이 아니라, 신뢰할 수 있는 기록을 입증한 노드만이 의료 네트워크의 집단 지성에 기여할 수 있도록 함으로써 공격을 예방합니다.

궁극적으로 이 연구는 의료 데이터 공유의 미래를 위한 실질적인 경로를 제시합니다. 이는 병원이 환자의 사적인 기록을 전혀 드러내지 않고도 생명을 구하는 연구에 기여할 수 있는 협력 네트워크를 구축하는 것이 가능하다는 것을 보여줍니다. 블록체인을 사용하여 엄격하고 투명한 규칙을 집행하고, 모든 참여자의 행동을 지속적으로 모니터링함으로써, 이 시스템은 신뢰가 당연하게 여겨지는 것이 아니라 검증되는 환경을 만듭니다. 연구자들은 적절한 기술의 조합을 통해 소음과 악의를 걸러내고, 의사들이 질병을 더 정확하게 진단하고 환자를 더 효과적으로 치료할 수 있도록 돕는 깨끗하고 신뢰할 수 있는 지식의 흐름을 남길 수 있음을 증명했습니다. 시뮬레이션은 이 방법이 작동함을 입증했으며, 이는 현실 세계에서 이러한 시스템이 수백만 명의 개인정보를 보호하는 동시에 의료 발견의 속도를 가속화할 수 있음을 시사합니다.