테이블 데이터 합성을 위한 가우시안 근사 베이지안 GAN, GACTGAN

본 논문은 데이터 프라이버시 보호와 고품질 합성 데이터 제공이라는 두 목표를 동시에 달성하고자 하는 최신 연구 흐름에 기여한다. 먼저, 저자들은 기존 CTGAN이 혼합형 탭ular 데이터(연속형·범주형 변수 혼합)를 효과적으로 모델링하지만, 고정된 파라미터 추정 방식으로 인해 모델 불확실성을 반영하지 못하고, 모드 붕괴와 프라이버시‑유틸리티 트레이드오프에서 한계를 보인다는 점을 지적한다. 이러한 문제를 해결하기 위해 베이지안 신경망(BNN)의 개념을 도입한다. BNN은 파라미터에 대한 사후 확률분포를 추정함으로써 모델의 불확실성을 정량화하고, 다양한 모드에 대한 탐색을 가능하게 한다. 전통적인 베이지안 GAN은 MCMC를 이용해 사후 분포를 샘플링하지만, 파라미터 수가 수백만에 달하는 딥러닝 모델에서는 메모리·연산 비용이 비현실적이다. 이를 극복하기 위해 저자들은 Stochastic Weight Averaging‑Gaussian(SW‑AG)이라는 경량화된 베이지안 근사 방법을 선택한다. SW‑AG는 훈련 과정에서 수집된 가중치 궤적을 이용해 평균 μ와 공분산 Σ를 추정한다. 평균은 SWA와 동일하게 가중치들의 산술 평균으로 계산하고, 공분산은 대각 성분(Σ_diag)과 저‑랭크 근사(Σ_l‑rank)로 분해한다. Σ_diag는 평균과 제곱 평균의 차이로 구하고, Σ_l‑rank는 최신 K개의 편차 벡터 외적을 이용해 저‑랭크 행렬로 압축한다. 이렇게 하면 전체 공분산을 저장하는 O(P²) 비용을 O(P·K)로 크게 낮출 수 있다. GACTGAN의 전체 파이프라인은 다음과 같다. (1) 데이터 전처리 단계에서 연속형 변수는 표준화, 범주형 변수는 원-핫 인코딩을 수행한다. (2) CTGAN 구조를 그대로 사용해 생성기 G와 판별기 D를 초기화한다. (3) 각 에포크마다 기존 CTGAN 손실(바이너리 교차 엔트로피 또는 Wasserstein)로 G와 D를 업데이트한다. (4) 지정된 에포크(t_collect) 이후 매 c 스텝마다 현재 생성기 가중치 θ_G(t)를 저장하고, Equation (3)·(5)를 이용해 평균과 제곱 평균을 갱신한다. (5) 편차 행렬 b_D를 구성해 저‑랭크 공분산을 계산하고, 전체 훈련이 끝난 뒤 Σ_diag와 Σ_l‑rank를 최종적으로 구한다. (6) 최종 사후 분포 N(θ_G, α_G(Σ_diag+Σ_l‑rank))에서 다수의 파라미터 샘플을 추출하고, 각 샘플에 대해 노이즈 z ∼ N(0,I)를 입력해 합성 데이터를 생성한다. 실험에서는 세 개의 공개 탭ular 데이터셋(인구조사, 의료 청구, 금융 거래)을 대상으로 GACTGAN과 기존 CTGAN, 그리고 베이지안 MCMC‑GAN을 비교하였다. 평가 지표는 (① 통계적 보존성: 평균·분산·상관계수·고차원 교차분포), (② 머신러닝 유틸리티: 합성 데이터로 학습한 로지스틱 회귀·랜덤 포레스트·XGBoost 모델의 테스트 정확도), (③ 프라이버시 위험도: k‑익명성, 차분 프라이버시(DP) 추정, 개인 식별 가능성 점수)이다. 결과는 다음과 같다. GACTGAN은 평균·분산 차이에서 CTGAN 대비 6~10% 개선을 보였으며, 특히 변수 간 상관관계와 다변량 교차분포를 5~12% 더 정확히 복원했다. 머신러닝 유틸리티 측면에서도 합성 데이터 기반 모델의 테스트 정확도가 CTGAN 대비 평균 2.3% 상승했으며, MCMC‑GAN과 비교해도 차이가 없었다. 프라이버시 위험도는 GACTGAN이 사후 샘플링을 통해 불확실성을 반영함으로써 식별 가능성 점수가 평균 0.18 감소했으며, 이는 기존 CTGAN 대비 22% 감소에 해당한다. 계산 효율성 분석에서는 MCMC‑GAN이 훈련 후 수천 개의 가중치 샘플을 저장해야 하는 반면, GACTGAN은 평균과 저‑랭크 공분산만을 저장해 메모리 사용량을 약 70% 절감했다. 사후 샘플링 단계는 단일 가중치 샘플링 대비 약 2배의 연산만 추가로 필요했으며, 전체 파이프라인은 동일한 GPU 환경에서 CTGAN과 비슷한 훈련 시간을 유지했다. 논문의 한계로는 (1) 저‑랭크 K값 선택이 결과에 민감해 자동 튜닝이 필요함, (2) 고차원 희소 범주형 변수에서 공분산 근사가 과소평가될 가능성, (3) 현재는 정규분포 사후만 지원해 복잡한 다중모드 분포를 완전히 포착하지 못함을 들었다. 향후 연구에서는 베이지안 신경망의 비정규 사후(예: 혼합 가우시안) 도입, K 자동 선택 메커니즘, 그리고 프라이버시 보장을 위한 차분 프라이버시(DP)와의 통합을 제안한다. 결론적으로, GACTGAN은 베이지안 사후 근사를 효율적으로 구현함으로써 탭ular 데이터 합성에서 유틸리티와 프라이버시 사이의 균형을 크게 개선한다. 기존 CTGAN 대비 통계적 보존성, 모델 유틸리티, 프라이버시 위험도 모두에서 우수한 성능을 보이며, 메모리·연산 효율성도 확보한다. 이는 국가 통계기관, 의료·금융 분야 등 고감도 탭ular 데이터를 다루는 실무자들에게 실용적인 합성 데이터 생성 솔루션으로 활용될 가능성을 제시한다.