애덤 스미스는 보스턴 대학교의 컴퓨터 과학 교수로, 차등 프라이버시와 암호학의 교차점에서 연구를 이끌고 있다. 그의 연구는 프라이버시 보호 데이터 분석의 이론적 토대를 확립하는 데 기여했으며, 학술 연구와 민간 컴퓨팅 시스템의 산업적 배포 모두에 영향을 미쳤다. 스미스는 차등 프라이버시, 안전한 다자간 계산, 그리고 공식적인 프라이버시 보호를 보장하는 알고리즘 설계에 대한 기여로 널리 인용된다.
미국에서 태어난 스미스는 수학과 컴퓨터 과학 학부 과정을 마친 후, 2000년에 MIT에서 컴퓨터 과학 박사 학위를 취득했다. 그의 박사 연구는 암호화 프로토콜과 안전한 계산의 기초에 초점을 맞췄다. 이후 카네기 멜론 대학교와 펜실베이니아 주립 대학교에서 직책을 맡았으며, 2013년부터 보스턴 대학교에서 교수로 재직 중이다.
차등 프라이버시와 개인 데이터 분석의 기초
2000년대 스미스의 초기 연구는 데이터셋에 대한 통계 정보를 공개할 때 발생하는 프라이버시 손실을 정량화하는 프레임워크인 차등 프라이버시의 개념을 공식화하는 데 기여했다. 그는 쿼리 출력에 보정된 노이즈를 추가하여 개별 레코드의 존재 여부가 결과에 제한적인 영향을 미치도록 하는 메커니즘 개발에 기여했다. 2006년 차등 프라이버시와 강건 통계 간의 상호작용에 관한 그의 논문은 이정표로 간주되며, 개인 추정기가 다양한 통계 작업에서 거의 최적의 정확도를 달성할 수 있음을 입증했다.
스미스의 주요 기여 중 하나는 하위 표본 추출을 통한 "프라이버시 증폭" 개념으로, 개인 메커니즘을 적용하기 전에 데이터의 하위 집합을 무작위로 선택하면 프라이버시 비용을 크게 줄일 수 있음을 보여준다. 이 원리는 딥러닝 및 생성형 AI 시스템을 포함한 개인 기계 학습 알고리즘 설계에서 표준 도구가 되었다.
암호학과 안전한 계산
차등 프라이버시 외에도 스미스는 암호학, 특히 안전한 다자간 계산(MPC) 분야에서 상당한 기여를 했다. 그의 연구는 여러 당사자가 개인 입력을 서로에게 공개하지 않고 공동으로 함수를 계산할 수 있는 방법을 탐구했다. 그는 악의적인 공격자에 대한 보안을 달성하는 프로토콜을 연구하여 실제 응용을 위한 MPC의 효율성과 실용성을 개선했다.
스미스의 암호 연구는 차등 프라이버시와도 교차하며, 분산 환경에서 프라이버시 보장을 강제하기 위해 암호 기법을 사용하는 방법을 조사했다. 알레크산더 마드리 및 다른 연구자들과의 공동 연구는 개인 학습과 기계 학습 모델의 강건성 문제를 다루었다.
학문적 지도와 교수
보스턴 대학교에서 스미스는 BU 정보 및 시스템 공학 센터와 하리리 컴퓨팅 연구소에 소속되어 있다. 그는 프라이버시, 암호학, 알골리즘에 관한 대학원 과정을 가르치며, 학문 및 산업 직책으로 진출한 많은 박사 과정 생들을 지도했다. 그의 교수는 프라이버시와 보안에 있서 엄격한 공식적 보장의 중용성을 강조하며, 복잡한 이론적 개념을 넓은 청중에게 전달하는 능력으로 인정받고 있다.
스미스는 CRYPTO, EUROCYPT, FOCS를 포한 주요 암호학 및 프라이버시 회의의 프로그램 위원회에서 활동했다. 또한 Journal of Cryptology와 IEEE Transactions on Information Theory의 부편집장을 역임했다. 그의 편집 활동은 프라이버시 보호 컴퓨팅 연구의 방향을 형성하는 데 기여했다.
산업 및 정책에 미친 영항
스미스의 연구는 학계 너머에 실질적 영항을 미쳤다. 차등 프라이버시에 관한 그의 통찰력은 애플, 구글, 마이크로소프트를 포한 주요 기술 회사의 프라이버시 보호 시스템 설계에 영항을 주었다. 미 국 인구조사국은 2020년 인구조사에서 차등 프라이버시를 채택했으며, 이 결정은 스미스와 동료들이 개발하는 데 기여한 이론적 프레임워크에 영항을 받았다.
정책 영역에서 스미스는 정부 기관에 프라이버시 보호 데이터 공유에 관해 자문하고 데이터의 윤리적 사용에 관한 보고서에 기여했다. 그는 데이터 유용성과 개인 프라이버시 간의 균형에 관한 포럼에서 연설하며 공공 데이터 공개에서 공식적 프라이버시 보장의 채택을 주장했다.
주요 수상 및 영예
스미스는 ACM SIGACT Distinguished Paper Award와 IEEE Symposium on Security and Privacy Best Paper Award를 포한 여러 연구 상을 받았다. 그는 국제 암호학 연구 협회(IACR)의 펠로우로, 이 분야에 지속적 기여를 인정받았다. 그의 연구는 국립 과학 재단과 국방 고급 연구 계획국(DARPA)의 보조금으로 지원되었다.
2024년 현재 스미스는 보스턴 대학교에서 활발한 연구 그룹을 지도하며, 프라이버시 보호 기계 학습과 안전한 계산의 새 경계를 탐구하고 있다. 그의 진행 중인 프로젝트는 대형 언어 모델을 위한 개인 알골리즘 개발과 차등 프라이버시와 적대적 강건성 간의 상호 작용 연구를 포한한다.
참고 문헌
- Smith, A. (2006). Differential privacy and robust statistics. In Proceedings of the 38th Annual ACM Symposium on Theory of Computing.
- Smith, A., & Thakurta, A. (2013). Differentially private feature selection via stability arguments. In Proceedings of the 30th International Conference on Machine Learning.
- Bun, M., & Smith, A. (2013). Private and efficient data analysis. In Proceedings of the 4th Conference on Innovations in Theoretical Computer Science.