ㅁ 합성 데이터

ㅇ 정의:
실제 데이터를 수집하지 않고 인공적으로 생성한 데이터로, AI 모델 학습이나 테스트 목적에 활용됨.

ㅇ 특징:
개인정보 침해 위험이 적고, 데이터 부족 문제를 해결하며, 다양한 시나리오를 재현 가능.

ㅇ 적합한 경우:
민감정보 보호가 필요한 의료·금융 데이터, 희귀 이벤트 데이터 확보가 어려운 경우.

ㅇ 시험 함정:
합성 데이터가 항상 실제 데이터의 통계적 특성을 완벽히 반영한다고 착각하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 합성 데이터는 개인정보 보호와 데이터 부족 문제 해결에 유용하다.
X: 합성 데이터는 항상 실제 데이터보다 정확하다.

================================

1. Synthetic Data

ㅇ 정의:
실제 환경에서 수집하지 않고 시뮬레이션, 알고리즘, 모델 등을 통해 인위적으로 생성한 데이터.

ㅇ 특징:
데이터 생성 비용이 낮고, 다양한 환경·조건을 반영 가능하며, 데이터 편향을 조정할 수 있음.

ㅇ 적합한 경우:
데이터 수집이 불가능하거나 법적 제약이 있는 경우, 모델의 일반화 성능 향상이 필요한 경우.

ㅇ 시험 함정:
Synthetic Data가 반드시 현실 데이터보다 모델 성능을 높여준다고 오해하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: Synthetic Data는 법적 제약이 있는 환경에서 유용하게 사용된다.
X: Synthetic Data는 현실 데이터를 완전히 대체할 수 있다.

================================

2. GAN-based Simulation

ㅇ 정의:
생성적 적대 신경망(GAN)을 활용하여 실제와 유사한 합성 데이터를 생성하는 방법.

ㅇ 특징:
고품질 이미지, 음성, 텍스트 데이터를 생성 가능하며, 데이터 다양성을 확보할 수 있음.

ㅇ 적합한 경우:
이미지 인식, 음성 합성, 자연어 처리 등에서 학습 데이터 확장이 필요한 경우.

ㅇ 시험 함정:
GAN이 항상 안정적으로 학습된다고 생각하는 경우. 실제로는 모드 붕괴(mode collapse) 등의 문제가 발생할 수 있음.

ㅇ 시험 대비 “패턴 보기” 예시:
O: GAN 기반 시뮬레이션은 고품질 합성 이미지 생성에 많이 사용된다.
X: GAN은 항상 동일한 품질의 데이터를 생성한다.

================================

3. Procedural Generation

ㅇ 정의:
규칙, 알고리즘, 수학적 모델을 기반으로 대규모 데이터나 콘텐츠를 자동 생성하는 기법.

ㅇ 특징:
무한에 가까운 변형 데이터 생성 가능, 리소스 절감, 게임·시뮬레이션 분야에서 활용도 높음.

ㅇ 적합한 경우:
게임 맵 생성, 가상 환경 시뮬레이션, 대규모 테스트 데이터 필요 시.

ㅇ 시험 함정:
Procedural Generation이 항상 현실과 동일한 품질을 제공한다고 오해하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: Procedural Generation은 게임 맵 자동 생성에 활용된다.
X: Procedural Generation은 현실 데이터 품질을 항상 보장한다.

ㅁ 추가 학습 내용

합성 데이터 추가 학습 정리

1. 합성 데이터 품질 평가 지표
– 통계적 유사성:
• FID (Fréchet Inception Distance): 생성 데이터와 실제 데이터의 특징 분포 차이 측정
• Inception Score: 생성 데이터의 다양성과 품질을 평가
– 개인정보 재식별 위험도 평가:
• 생성된 데이터로부터 원본 개인을 식별할 가능성 분석
• k-익명성, l-다양성, 차등 개인정보보호(Differential Privacy) 등 기법 활용

2. 합성 데이터와 증강 데이터의 차이
– 증강 데이터(Data Augmentation): 기존 데이터를 변형(회전, 크기 변경, 색상 변화 등)하여 데이터셋 확장
– 합성 데이터(Synthetic Data): 기존 데이터 없이 또는 일부 참고만 하여 완전히 새로운 데이터를 생성

3. 합성 데이터 생성 모델 종류
– GAN (Generative Adversarial Network)
– VAE (Variational Autoencoder)
– Diffusion Model (확산 기반 생성 모델)

4. 법적·윤리적 고려사항
– 데이터 생성 과정에서의 편향 여부 점검
– 재식별 가능성 최소화
– 저작권 침해 가능성 검토
– 생성 데이터 사용에 따른 법적 규제 준수

5. 산업별 활용 사례
– 자율주행: 가상 주행 환경 데이터 생성
– 의료: 합성 의료 영상 데이터로 AI 모델 학습
– 금융: 사기 탐지용 시뮬레이션 거래 데이터 생성

시험 대비 체크리스트
□ FID와 Inception Score의 정의와 차이를 설명할 수 있는가
□ 개인정보 재식별 위험 평가 방법과 관련 개념(k-익명성, 차등 개인정보보호)을 이해하고 있는가
□ 합성 데이터와 증강 데이터의 차이를 명확히 구분할 수 있는가
□ GAN, VAE, Diffusion Model의 기본 원리를 알고 있는가
□ 합성 데이터 생성 시 발생할 수 있는 편향, 재식별, 저작권 문제를 설명할 수 있는가
□ 산업별 합성 데이터 활용 사례를 구체적으로 제시할 수 있는가