-
1억 1천만 뉴스 댓글서 ‘외국발 여론 흔들기’ 찾는 AI 기술 개발
선거철마다 반복되는 온라인 갈등 뒤에 조직적인 여론 개입이 숨어 있다면 어떨까. 우리 대학 연구진이 20년간 축적된 1억 1,000만 건의 뉴스 댓글을 AI로 분석해, 외국 연계 영향력 활동으로 의심되는 흔적과 그 판단 근거까지 찾아내는 기술을 개발했다.
우리 대학은 문화기술대학원 이원재 교수, 전산학부 차미영 교수(독일 막스플랑크 연구소 단장 겸임), 오혜연 교수 공동연구팀이 막스플랑크 연구소 토르스텐 홀츠 교수와 국제 공동연구를 통해 온라인 뉴스 댓글에서 외국 연계 영향력 활동으로 의심되는 패턴을 자동으로 탐지하고, 그 판단 근거까지 제시하는 ‘설명 가능한 AI 기술’을 개발했다고 12일 밝혔다.
특정 세력이 댓글이나 게시물을 조직적으로 확산해 사람들의 인식이나 여론에 영향을 미치려는 활동을 ‘온라인 영향력 공작’이라고 한다. 기존 AI 탐지 기술은 특정 계정을 의심 계정으로 분류하더라도 “왜 이 계정을 의심하는가”에 대한 구체적인 근거를 제시하기 어렵다는 한계가 있었다.
연구팀은 이러한 한계를 해결하기 위해 국가안보전략연구원이 앞서 식별한 외국 연계 계정 70개를 출발점으로 삼았다. 이 계정들과 연관되거나 같은 기사에 반복적으로 댓글을 작성한 계정들을 추적해 2006년부터 2025년까지 20년간 네이버 뉴스에 작성된 약 1억 1,000만 건의 댓글을 분석했다.
연구팀이 개발한 AI는 댓글을 단계적으로 분석한다. 먼저 작성자가 외국과 연계됐다고 의심할 만한 표현이나 맥락이 있는지를 살피고, 이어 도덕적 비난이나 맹목적 찬양처럼 사회적 양극화를 키울 수 있는 감정이 나타나는지를 분석한다. 마지막으로 이러한 감정이 어느 국가나 대상을 향하는지 파악한다.
특히 이번 기술의 핵심은 AI가 단순히 ‘의심스럽다’는 결과만 내놓지 않는다는 점이다. AI가 판단을 내리는 데 근거가 된 댓글 속 표현을 함께 제시해 사람이 그 이유를 확인할 수 있도록 했다. 여기에 계정의 활동 빈도와 활동 기간, 다른 의심 계정과의 활동 연관성 등 다양한 행동 패턴을 함께 분석했다.
연구팀은 이를 통해 네이버 뉴스 이용자 약 400만 명 가운데 외국 연계 영향력 활동이 의심되는 계정 2만 3,998개를 식별했다. 분석 과정에서는 이들 의심 계정의 활동에서 주목할 만한 특징도 발견됐다. 특정 정치 진영을 일방적으로 지지하기보다는 한국 사회 내부의 갈등과 대립을 증폭시키는 방향의 메시지가 두드러진 것이다.
실제로 대중의 호응을 많이 얻은 상위 10개 표적 가운데 7개가 국내 유명 정치인으로 나타났다. 특정 정당이나 이념에 집중되지 않고 진보와 보수 양 진영의 전·현직 대통령과 대선 후보, 정당 등이 폭넓게 대상이 됐다.
연구팀은 이러한 결과가 외국 연계 영향력 활동을 단순히 ‘어느 정치 세력을 지지하는가’의 관점만으로 바라봐서는 안 된다는 점을 보여준다고 설명했다. 특정 진영을 직접 지원하기보다 기존의 정치적 갈등을 자극해 사회적 불신과 양극화를 확대하는 방식으로 영향력을 행사할 가능성도 살펴야 한다는 것이다.
이번 연구는 온라인 영향력 활동을 계정 단위의 단순 분류에서 한 단계 더 나아가, 어떤 메시지가 어떤 방식으로 사회적 갈등을 증폭시키는지를 AI가 찾아내고 그 판단 근거까지 제시했다는 데 의미가 있다.
향후 이 기술은 선거 또는 국가적 위기처럼 사회적 관심과 갈등이 급격히 높아지는 시기에 활용될 수 있다. 포털과 모니터링 기관이 대규모 댓글 가운데 우선적으로 살펴봐야 할 계정이나 메시지를 AI로 선별하고, 전문가가 AI가 제시한 근거를 검토해 최종적으로 판단하는 방식이다. 다만 연구팀은 AI가 의심 계정을 자동으로 차단하거나 제재하는 방식보다 전문가의 판단을 지원하는 ‘설명 가능한 콘텐츠 관리 도구’로 활용하는 것이 중요하다고 강조했다.
이원재 교수는 “20년간의 데이터를 분석한 결과, 의심 계정들은 외국을 직접 찬양하기보다 한국과 국내 정치인을 비난하며 갈등을 키우는 패턴을 보였다”며 “선거 등 사회적 갈등이 높아지는 시기에 우선 검토해야 할 메시지를 가려내는 기준이 될 것”이라고 설명했다.
오혜연 교수는 “AI가 댓글의 표면적인 의미를 넘어 갈등을 유발하는 감정과 계정의 조직적인 행동 패턴까지 함께 분석했다”며 “갈수록 교묘해지는 온라인 영향력 활동을 탐지하는 데 활용될 것으로 기대한다”고 말했다.
차미영 교수는 “이번 연구는 데이터 과학을 실제 사회 문제 해결로 연결한 ‘액셔너블 데이터 과학(Actionable Data Science)’의 사례”라며 “디지털 공론장의 투명성과 신뢰를 높이는 실질적인 도구가 되길 기대한다”고 밝혔다.
공동 제1저자인 KAIST 김재홍 박사과정과 김현승 석사과정이 주도한 이번 연구는 컴퓨터 보안 분야 최고 권위 국제학술대회인 ‘USENIX Security Symposium 2026(유즈닉스 시큐리티 심포지엄 2026)’에서 8월 13일 발표될 예정이다.
※ 논문명: Cross-National Information Attacks: A Two-Decade Analysis of Troll Behavior in Korea, DOI: 10.48550/arXiv.2606.22785
이번 연구는 현대차 정몽구 재단과 글로벌 정보보호 고급 인력 양성과제(과학기술정보통신부·정보통신기획평가원, RS-2024-00441762), 중견연구자지원사업(과학기술정보통신부·한국연구재단, RS-2022-00165347), 첨단데이터컴퓨팅연구실 (KAIST, N11250080)의 지원을 받아 수행됐다.
2026.08.12
조회수 100
-
난임 치료 성공률 높일 난자·배아 분석 원천기술 세계 최고 학회 인정
난임 치료를 위한 체외수정(IVF, In Vitro Fertilization)의 성공률을 높이려면 발달 가능성이 높은 난자와 배아를 정확하게 선별하는 것이 중요하다. 우리 대 연구진은 살아있는 난자와 배아를 손상시키지 않고 시간에 따른 변화를 연속 관찰하는 타임랩스(Time-lapse)와 3차원 정량 분석을 결합해 발달 가능성을 조기에 예측하는 원천기술을 개발했다.
우리 대학 물리학과 박용근 교수 연구팀의 이정하 박사후연구원은 이 연구 성과를 인정받아 지난 7월 영국 런던에서 열린 세계 최대 규모의 생식의학 학회인 유럽인간생식배아학회(ESHRE, European Society of Human Reproduction and Embryology) 2026 연례학술대회에서 기초과학상-포스터 발표 부문(Basic Science Award for Poster Presentation)을 수상했다고 21일 밝혔다.
기초과학상-포스터 발표 부문(Basic Science Award for Poster Presentation)은 매년 1만 명 이상이 참가하는 ESHRE 연례학술대회에서 발표된 기초과학 분야 포스터 연구 가운데 가장 우수한 연구 1편에 수여되는 상이다. 학회는 제출된 초록을 심사해 후보 연구 5편을 선정한 뒤, 현장 포스터 발표와 질의응답을 종합 평가해 최종 수상작을 결정한다.
이번 수상은 홀로토모그래피(Holotomography, 빛의 굴절 정보를 이용해 살아있는 세포 내부를 손상 없이 3차원으로 영상화하는 기술)를 난임 치료 분야에 적용해 살아있는 난자와 배아를 손상시키지 않고 시간에 따른 변화를 3차원으로 정량 분석하고, 발달 가능성을 조기에 예측할 수 있는 차세대 평가기술의 가능성을 제시한 연구의 독창성과 학술적 가치를 국제적으로 인정받았다는 점에서 의미가 있다. 연구팀은 기존에 전문가의 경험에 크게 의존했던 2차원 난자·배아 평가를 객관적이고 정량적인 3차원 평가 방식으로 발전시킬 가능성을 제시했다.
체외수정 시술에서는 어떤 난자와 배아를 선택하느냐가 임신 성공률을 좌우하는 핵심 요소다. 그러나 난자와 배아는 실제 환자에게 이식되는 세포이기 때문에 세포에 영향을 줄 수 있는 염색이나 형광물질을 이용한 분석법을 적용하기 어렵다.
현재 임상에서는 세포를 염색하지 않고 빛의 명암과 위상 차이를 이용해 형태를 관찰하는 호프만 변조 대비 현미경(Hoffman Modulation Contrast Microscopy)과 위상차 현미경(Phase-contrast Microscopy)을 주로 사용한다. 배아연구원(Embryologist, 체외수정 과정에서 난자와 배아를 배양하고 평가하는 전문 의료인력)은 이러한 현미경 영상에서 난자와 배아의 모양, 크기, 세포 분할 상태 및 발달 시기 등을 종합적으로 판단해 이식할 배아를 선택한다.
하지만 현재의 평가 방식은 주로 2차원 영상과 배아연구원의 경험에 의존하는 정성적 평가라는 한계가 있다. 보다 객관적이고 정량적인 평가기술 개발이 꾸준히 요구되는 이유다.
연구팀은 이러한 한계를 극복하기 위해 홀로토모그래피를 적용했다. 이 기술은 세포를 염색하거나 형광물질을 붙이지 않는 비표지(Label-free) 방식으로, 빛이 세포를 통과하면서 굴절되는 정도를 측정해 살아있는 세포의 내부 구조를 손상 없이 3차원으로 영상화한다. 또한 세포 내부 물질의 밀도와 성분에 따라 달라지는 굴절률(Refractive Index)을 정량적으로 측정할 수 있어 세포의 미세한 구조 변화까지 분석할 수 있다.
연구팀은 홀로토모그래피를 이용해 난자와 배아의 내부 구조를 살아있는 상태 그대로 3차원으로 분석했다. 또한 마우스(Mouse) 모델 실험을 통해 분석 과정에서 얻은 다양한 생물물리학적 정보를 바탕으로 발달 가능성을 조기에 예측할 수 있음을 확인했다. 나아가 세포의 모양과 크기 등 외형을 중심으로 평가하는 기존 형태학적 평가(Morphological Assessment)를 넘어, 객관적인 정량 데이터와 인공지능(AI, Artificial Intelligence) 분석을 결합한 새로운 난자·배아 평가 기술로 발전할 가능성을 제시했다. 관련 연구는 현재 국제학술지에 투고돼 심사가 진행 중이다.
※ 논문 사전 공개 (Preprint) 링크: 마우스 배아 발달 관련 연구 https://doi.org/10.1101/2024.05.07.592317, 마우스 난자 노화 관련 연구 https://doi.org/10.64898/2026.06.18.733271
이번 연구는 KAIST 물리학과, 분당차병원 난임센터(김지향 교수), 영국 어베뉴 클리닉(Avenue Clinic), 토모큐브(Tomocube)가 참여한 산·학·병 공동연구로 수행됐다. 기초 물리학에서 개발된 첨단 광학 원천기술을 난임 치료라는 임상 분야에 접목한 대표적인 융합연구 사례다.
박용근 교수는 “이번 수상은 살아있는 난자와 배아를 손상시키지 않고 3차원으로 정량 분석하는 새로운 접근법이 생식의학 분야에서 학술적 가치를 인정받았다는 점에서 의미가 있다”며 “현재 사람 세포를 이용한 검증을 진행하고 있으며, 앞으로 객관적이고 정확한 난자·배아 평가 기술로 발전시켜 난임 치료 성공률 향상에 기여할 수 있도록 연구를 이어가겠다”고 말했다.
이번 연구는 한국연구재단 글로벌 리더연구사업과 한국보건산업진흥원 연구중심병원 육성 R&D 사업의 지원을 받아 수행됐다.
2026.07.21
조회수 945
-
산업및시스템공학과 안정연 교수, 2026 한국갤럽학술상 수상
2026년 7월 개최된 한국통계학회 하계학술대회에서 우리 대학 산업및시스템공학과 안정연 교수가 고차원 데이터 분석 등 통계학 분야의 탁월한 연구 업적을 인정받아 ‘한국갤럽학술상’을 수상했다. 특히 안 교수는 2006년 이 상이 제정된 이래 역대 최초의 여성 수상자로 선정되며 학계의 큰 주목을 받았다.
한국갤럽학술상은 통계학 및 통계의 발전과 관련 분야 연구 활동을 장려하기 위해 한국갤럽이 2006년부터 지원하고 있는 권위 있는 상이다. 한국통계학회는 엄정한 심사를 거쳐 매년 단 1명의 수상자를 선정하고 있으며, 탁월한 연구업적으로 학계 발전에 크게 공헌한 연구자를 발굴하기 위해 저명 통계학 학술지에 게재된 논문의 수, 대표 업적의 JCR 인용 현황 등을 종합적으로 고려하여 평가하고 있다.
안정연 교수는 전통적인 통계 이론이 주로 대표본(large sample)에 의존해 온 한계를 넘어, 최근 대두되고 있는 '고차원 데이터 분석' 분야를 개척한 선구자적인 학자로 꼽힌다. 특히 안 교수는 객체 지향적 데이터 분석, 데이터 프라이버시, 빅데이터 분석 분야 등에서 통계학 이론 및 응용 분야의 최상위권 SCI급 학술지에 다수의 논문을 출판하며 세계적 수준의 연구 역량을 입증했다.
학회 추천위원회는 “안 교수의 연구는 이론적 깊이를 갖추었을 뿐만 아니라 응용 분야의 파급력 또한 매우 높은 분야”라며, “최근 연구 결과의 활용 범위를 더욱 넓혀가고 있어 향후 다양한 학문 및 산업 분야에 공헌할 가능성이 매우 높아 본 학술상의 취지에 가장 부합하는 학자”라고 추천 및 선정 사유를 밝혔다.
안 교수는 “학회와 동료 연구자분들께 깊이 감사드린다”며, “앞으로도 고차원 데이터 분석의 지평을 넓히고, 통계학이 다양한 응용 분야의 난제들을 해결하는 데 기여할 수 있도록 연구에 매진하겠다”고 수상 소감을 전했다.
2026.07.10
조회수 1116
-
AI 에이전트의 ‘숨은 전력 비용’ 세계 최초 규명
AI가 스스로 생각하고 행동하는 ‘AI 에이전트' 시대가 열리면서 데이터센터의 전력 소비가 새로운 과제로 떠오르고 있다. 우리 대학 연구진이 세계 최초로 AI 에이전트의 계산 비용과 에너지 소비를 분석한 결과, 기존 생성형 AI보다 질문 한 건당 최대 136.5배 많은 에너지를 사용하는 것으로 나타났다. 이번 연구는 AI 시대의 경쟁력이 모델 성능을 넘어 데이터센터와 전력 인프라의 효율성으로 확대되고 있음을 보여준다.
우리 대학은 전기및전자공학부 유민수 석좌교수 연구팀은 AI 에이전트가 실제 서비스 환경에서 얼마나 많은 계산 자원과 전력을 사용하는지를 세계 최초로 체계적으로 분석했다고 5일 밝혔다.
최근 챗GPT(ChatGPT)와 같은 대형 언어 모델(LLM, Large Language Model·사람의 언어를 이해하고 글을 생성하는 인공지능 모델) 기반 어플리케이션은 단순히 질문에 답하는 수준을 넘어 스스로 계획을 세우고, 인터넷 검색이나 계산기, 코드 실행 등 다양한 외부 도구를 활용해 복잡한 문제를 해결하는 AI 에이전트(AI Agent·여러 도구를 스스로 활용해 목표를 수행하는 차세대 인공지능) 로 빠르게 발전하고 있다.
이러한 AI 에이전트는 소프트웨어 개발, 연구, 업무 자동화 등 다양한 분야에서 활용이 확대되고 있지만, 이를 실제 운영하기 위해 얼마나 많은 전력과 비용이 필요한지는 거의 알려져 있지 않았다.
연구팀은 AI 에이전트를 단순한 프로그램이 아니라 데이터센터의 서버와 GPU(Graphics Processing Unit·대규모 AI 계산을 수행하는 고성능 반도체) 가 지속적으로 처리해야 하는 새로운 형태의 작업인 워크로드(Workload·컴퓨터가 수행해야 하는 전체 계산 작업) 로 정의하고, 실제 실행 과정에서 발생하는 계산량과 에너지 소비를 분석했다.
분석 결과, AI 에이전트는 기존의 단계별 추론(Chain-of-Thought, CoT·AI가 사람처럼 생각 과정을 하나씩 전개하며 답을 찾는 방식)과 달리 반복적으로 여러 차례 대형 언어 모델 호출(LLM Invocation·AI가 언어 모델에 새로운 판단이나 답변 생성을 요청하는 계산 과정)을 수행하는 것으로 나타났다.
이처럼 언어 모델을 반복적으로 호출하면서 응답 시간도 크게 증가했다. AI 에이전트의 답변 시간은 최대 153.7배 늘어났으며, 외부 도구가 작업을 수행하는 동안 GPU는 전체 실행 시간의 최대 54.5% 를 아무 계산도 하지 못한 채 대기하는 것으로 분석됐다. 즉, AI가 더 복잡한 일을 수행할수록 고가의 GPU를 충분히 활용하지 못하는 새로운 비효율이 발생하는 것이다.
연구팀은 AI 에이전트가 사용하는 전력도 데이터센터 규모에서 분석했다. 현재 상용 AI 서비스 수준인 700억 개의 매개변수(파라미터, Parameter·AI가 학습한 지식과 능력을 저장하는 값) 를 가진 대형 언어 모델을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41와트시(Wh·전기를 얼마나 사용했는지를 나타내는 에너지 단위) 의 전력을 소비했다. 이는 기존 생성형 AI의 단순 질의응답 방식보다 136.5배 높은 수준이다.
또한 하루 137억 건의 AI 에이전트 요청이 발생하는 미래 환경을 가정해 분석한 결과, 데이터센터 전력 수요는 약 198.9기가와트(GW·국가 단위 전력망에서 사용하는 매우 큰 규모의 전력 용량) 에 이를 것으로 추정됐다. 이는 현재 세계 각국이 추진 중인 수 기가와트(GW) 규모의 AI 데이터센터를 크게 뛰어넘는 수준이며, 미국 전체 평균 전력 소비량의 약 절반에 해당하는 규모다.
이번 연구는 AI 시대의 경쟁력이 '더 똑똑한 AI'에서 '더 효율적인 AI'로 옮겨가고 있음을 보여준다. 앞으로는 AI 모델만 발전시키는 것이 아니라 AI 반도체, 데이터센터, 전력 인프라를 함께 최적화하는 '공동 설계(Co-design)'가 필수 전략이 될 것으로 기대된다. 이는 AI 서비스의 운영 비용을 낮추고, 지속가능한 AI 인프라를 구축하는 핵심 기술이 될 전망이다.
유민수 석좌교수는 “이번 연구는 단순히 AI가 더 똑똑해지는 것을 넘어, 그 지능을 구현하고 유지하기 위해 얼마나 많은 전력과 비용이 필요한지를 정량적으로 제시한 첫 사례”라며, “향후 AI 에이전트가 보편화되는 시대에는 AI 데이터센터 인프라 뿐만 아니라 AI 에이전트 모델과 전력 인프라까지 통합적으로 공동 설계(co-design)하여 최적화하는 접근이 더욱 중요해질 것”이라고 밝혔다. 이어 “이를 통해 최종 사용자가 AI 서비스를 활용하는 데 소요되는 비용을 획기적으로 절감하고, 동시에 지속가능한 AI 인프라를 구축하기 위한 연구와 투자가 필수적”이라고 강조했다.
이번 연구는 KAIST 전기및전자공학부 김지인 박사과정 학생이 제1저자로 수행했으며, 컴퓨터 시스템 설계 분야 최고 권위 국제학회인 32회 IEEE HPCA(International Symposium on High-Performance Computer Architecture)에서 지난 2월 발표됐다. 연구팀은 논문에서 활용한 AI 에이전트 구현 기술과 벤치마크(Benchmark·AI 성능을 객관적으로 비교·평가하기 위한 표준 시험 환경)를 오픈소스로 공개해 전 세계 연구자들이 후속 연구에 활용할 수 있도록 했다.
※ 논문명 : The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective
※ 오픈소스 : https://github.com/VIA-Research/AgentBench
※ 논문 링크: https://doi.org/10.1109/HPCA68181.2026.11408569
본 연구는 정보통신기획평가원(IITP)의 SW스타랩(Starlab), AI 반도체를 활용한 K-클라우드기술개발사업, AI 반도체 기반 데이터센터 고도화 선도기술개발사업 및 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
2026.07.06
조회수 1417
-
말하지 않아도 알 수 있다… AI가 포착한 우울증
주요 우울 장애 등 정신건강 질환은 주관적 설문과 면담으로 진단한다. 복합적이고 모호한 ‘우울감’은 우울증 진단의 가장 큰 한계로 꼽혀왔다. 국내 연구진이 AI로 일상행동을 분석해 우울증을 객관적으로 진단하고 치료 효과를 평가하는 기술을 개발하며, 정신질환 진단과 치료의 새로운 해법을 제시했다.
우리 대학은 생명과학과 허원도 석좌교수 연구팀이 동물 모델의 일상적인 행동 패턴을 분석할 수 있는 인공지능(AI) 기술을 개발하고, 이를 통해 일상행동 속에서 성별과 중증도에 따른 우울증 증상을 탐지할 수 있음을 입증했다고 13일 밝혔다.
연구팀은 우울증 환자의 팔다리 움직임, 자세, 표정 등 신체 운동 양상이 일반인과 다르다는 점에 주목했다. 감정과 정서 상태가 운동 능력으로 드러나는 현상인 ‘정신운동(psychomotor)’을 정밀하게 파악하기 위해, 연구팀은 실험동물의 자세와 움직임을 3차원으로 분석해 우울 상태에 따른 미세한 행동 변화를 자동으로 포착할 수 있는 AI 플랫폼‘클로저(CLOSER, Contrastive Learning-based Observer-free analysis of Spontaneous behavior for Ethogram Representation)’를 개발했다.
클로저는 인공지능 기법인 (contrastive learning) 알고리즘을 활용해 행동을 아주 작은 단위로 나눠 분석한다. 이를 통해 사람의 눈으로는 알아차리기 어려운 미세한 행동 변화까지 정확하게 구분해냈다.
연구팀은 이 기술을 활용해 우울증과 가장 유사한 만성 예측 불가능 스트레스(CUS, Chronic Unpredictable Stress) 마우스 모델을 만들고, 행동만으로 일상 속 우울 상태를 구별할 수 있는지를 검증했다. 그 결과, 클로저는 성별과 증상의 심한 정도에 따라 달라지는 우울 상태를 정확히 구분하는 데 성공했다.
사후 분석 결과, 스트레스는 운동 능력 자체보다는 행동의 빈도와 행동 흐름을 바꾸는 데 더 큰 영향을 미친다는 사실이 밝혀졌다.
특히 우울증 모델에서 스트레스에 의해 변화한 행동 음절은 성별에 따라 뚜렷한 차이를 보였다. 예를 들어, 수컷 생쥐에서는 주변을 탐색하거나 회전하는 행동이 감소한 반면, 암컷 생쥐에서는 이러한 행동이 오히려 증가했다. 이러한 일상행동 변화는 스트레스 노출 기간이 길어질수록 더욱 두드러졌다.
또한 연구팀은 우울증의 발생 원인이 행동 패턴에 반영되는지를 확인하기 위해 염증 기반 우울증 모델과 스트레스 호르몬 기반 우울증 모델을 추가로 분석했다.
그 결과, 지속적인 스트레스나 염증으로 우울 상태를 만든 경우에는 일상 행동이 눈에 띄게 달라졌지만, 스트레스 호르몬(콜티코스테론)만 투여한 경우에는 행동 변화가 거의 나타나지 않았다. 이는 일상적인 행동 관찰만으로도 우울증의 원인이나 성별에 따라 서로 다른 상태를 구분할 수 있음을 보여준다.
나아가 연구팀은 실제로 우울증 환자 치료에 사용되거나 임상시험 중인 항우울제가 행동으로 나타나는 우울증 증상에 미치는 영향을 분석했다. 우울증 모델에 항우울제를 투여한 결과, 스트레스로 인해 변화했던 행동 음절(기본적인 행동 단위)과 행동 문법(행동의 흐름과 패턴)이 부분적으로 회복되는 것을 확인했다.
특히 항우울제마다 사람의 행동을 회복시키는 방식이 서로 다르다는 것을 발견했다. 연구진은 행동만 살펴봐도 어떤 약이 더 잘 듣는지 구분할 수 있는 ‘행동 지문(behavioral fingerprint)’을 찾아냈다. 이는 앞으로 사람마다 행동 변화를 분석해 가장 잘 맞는 항우울제를 골라주는 맞춤 치료로 이어질 수 있음을 뜻한다.
허원도 석좌교수는 “이번 연구는 인공지능 기반 일상행동 분석 플랫폼을 우울증 진단에 접목해, 우울장애의 맞춤형 진단과 치료 평가를 가능하게 하는 전임상 프레임워크를 세계 최초로 구현한 성과”라며, “향후 정신질환 환자 맞춤형 치료제 개발과 정밀의료로 이어질 중요한 토대를 마련했다”고 말했다.
KAIST 생명과학과 오현식 박사과정이 제 1저자로 주도한 이번 연구는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 온라인판에 2025년 12월 30일 게재됐다.
※논문명: AI-driven decoding of naturalistic behaviors enables tailored detection of depressive-like behavior in mice, DOI: https://doi.org/10.1038/s41467-025-67559-x
한편, 본 연구는 과학기술정보통신부 한계도전 R&D프로젝트, 한국연구재단 기초연구사업 (중견연구), 보건복지부·한국보건산업진흥원, 삼성미래기술육성재단의 지원을 받아 수행됐다.
2026.01.13
조회수 2989
-
반도체 성능 망치는 ‘숨은 결함’ 1,000배 더 찾아낸다
메모리와 태양전지 등은 모두 반도체로 만들어지며, 반도체 내부에는 전기 흐름을 방해하는 보이지 않는 결함이 숨어 있을 수 있다. 공동연구진이 이러한 ‘숨은 결함(전자 트랩)’을 기존보다 약 1,000배 더 민감하게 찾아낼 수 있는 새로운 분석 방법을 개발했다. 이 기술은 반도체 성능과 수명을 높이고, 불량 원인을 정확히 찾아 개발 비용과 시간을 크게 줄일 것으로 기대된다.
우리 대학은 신소재공학과 신병하 교수와 IBM T. J. Watson 연구소의 오키 구나완(Oki Gunawan) 박사 공동 연구팀이 반도체 내부에서 전기를 방해하는 결함(전자 트랩)과 전자의 이동 특성을 동시에 분석할 수 있는 새로운 측정 기법을 개발했다고 8일 밝혔다.
반도체 안에는 전자를 먼저 붙잡아 이동을 막는 전자 트랩이 존재할 수 있다. 전자가 여기에 걸리면 전기가 원활히 흐르지 못해 누설 전류가 생기거나 성능이 저하된다. 따라서 반도체 성능을 정확히 평가하려면 전자 트랩이 얼마나 많고, 전자를 얼마나 강하게 붙잡는지를 알아내는 것이 중요하다.
연구팀은 오래전부터 반도체 분석에 사용돼 온 Hall 측정에 주목했다. Hall 측정은 전기와 자기장을 이용해 전자의 움직임을 분석하는 방법이다. 연구팀은 여기에 빛을 비추고 온도를 바꿔가며 측정하는 방식을 더해, 기존 방법으로는 확인하기 어려웠던 정보를 얻는 데 성공했다.
빛을 약하게 비추면 새로 생긴 전자들이 먼저 전자 트랩에 붙잡힌다. 반대로 빛의 세기를 점점 높이면 트랩이 채워지고, 이후 생성된 전자들은 자유롭게 이동하기 시작한다. 연구팀은 이 변화 과정을 분석해 전자 트랩의 양과 특성을 정밀하게 계산할 수 있었다.
이 방법의 가장 큰 장점은 한 번의 측정으로 여러 정보를 동시에 얻을 수 있다는 점이다. 전자가 얼마나 빠르게 움직이는지, 얼마나 오래 살아남는지, 얼마나 멀리 이동하는지 뿐아니라, 전자의 이동을 방해하는 트랩의 특성까지 함께 파악할 수 있다.
연구팀은 이 기법을 먼저 실리콘 반도체에 적용해 정확성을 검증한 뒤, 차세대 태양전지 소재로 주목 받는 페로브스카이트에 적용했다. 그 결과, 기존 방법으로는 검출하기 어려웠던 아주 적은 양의 전자 트랩까지 정밀하게 찾아내는 데 성공했다. 이는 기존 기술보다 약 1,000배 더 민감한 측정 능력을 확보했다는 의미다.
신병하 교수는 “이번 연구는 반도체 안에서 전기의 흐름과 이를 방해하는 요인을 하나의 측정으로 동시에 분석할 수 있는 새로운 방법을 제시했다”며, “메모리 반도체와 태양전지 등 다양한 반도체 소자의 성능과 신뢰성을 높이는 데 중요한 도구가 될 것”이라고 말했다.
이번 연구 결과는 신소재공학과 박사과정 김채연 학생이 제 1저자로 국제 학술지 사이언스 어드밴시스(Science Advances)에 1월 1일 자로 게재됐다.
※논문명: Electronic trap detection with carrier-resolved photo-Hall effect
DOI: https://doi.org/10.1126/sciadv.adz0460
이번 연구는 과학기술정보통신부와 한국연구재단의 지원을 받아 수행됐다.
2026.01.08
조회수 2548
-
동물 성분 없는 장 줄기세포로 난치성 장 질환 치료 길 열었다
환자 자신의 세포로 만든 장 줄기세포(Intestinal Stem Cells, ISCs)는 거부 반응이 적어 난치성 장 질환 치료의 새로운 대안으로 주목받아 왔다. 하지만 지금까지는 동물 유래 성분(이종 성분)에 의존한 배양 방식 때문에 안전성과 규제 문제로 임상 적용에 한계가 있었다. 우리 대학 연구진은 동물 성분 없이도 장 줄기세포를 안정적으로 키우고, 손상 조직으로의 이동과 재생 능력까지 높이는 첨단 배양 기술을 개발했다.
우리 대학은 생명화학공학과 임성갑 교수 연구팀이 한국표준과학연구원(KRISS 원장 이호성) 나노바이오 측정그룹 이태걸 박사 연구팀, 한국생명공학연구원(KRIBB 원장 권석윤) 줄기세포 융합연구센터 손미영 박사 연구팀과 공동 연구를 통해, 무이종(Xenogeneic-Free) 환경에서 장 줄기세포의 이동과 재생 능력을 획기적으로 향상시키는 고분자 기반 배양 플랫폼을 개발했다고 23일 밝혔다.
공동연구팀은 줄기세포 치료제의 임상 적용을 가로막아 온 ‘쥐 섬유아세포나 매트리젤(Matrigel)’ 등에서 나온 성분이 바이러스 등으로 인해 환자에게 이식될 경우 발생할 수 있는 문제를 해결하기 위해, 동물 유래 물질 없이도 사용 가능한 고분자 기반 배양 표면 기술 ‘PLUS(Polymer-coated Ultra-stable Surface)’를 개발했다.
PLUS는 기상 증착 방식으로 코팅된 합성 고분자 표면으로, 표면 에너지와 화학 조성을 정밀하게 제어해 장 줄기세포의 부착력과 대량 배양 효율을 크게 높였다.
특히 상온에서 3년간 보관 후에도 동일한 배양 성능을 유지해, 줄기세포 치료제의 산업적 확장성과 보관 편의성까지 확보했다.
연구팀은 단백체(Proteomics) 분석*을 통해 PLUS 환경에서 배양된 장 줄기세포에서 세포 골격 재구성과 관련된 단백질 발현이 크게 증가한다는 사실을 규명했다.
* 단백체(Proteomics) 분석: 세포나 조직 안에 존재하는 모든 단백질의 종류와 양 변화를 한꺼번에 분석하는 방법
특히 세포 골격 단백질 결합과 액틴(Actin) 결합 단백질의 발현이 증가하면서, 세포 내부 구조가 안정적으로 재편되고 줄기세포가 기판 위에서 더 빠르고 활발하게 이동할 수 있는 힘의 원천이 형성됨을 확인했다.
홀로토모그래피 현미경을 이용한 실시간 관찰 결과, PLUS 위에서 배양된 장 줄기세포는 기존 표면 대비 약 2배 빠른 이동 속도를 보였다. 또한 손상된 조직 모델에서는 일주일 만에 절반 이상을 복구하는 뛰어난 재생 성능이 확인됐다.
이는 PLUS가 줄기세포의 세포 골격 활동을 활성화해 실질적인 조직 재생 능력까지 끌어올린다는 점을 입증한 결과다.
이번에 개발된 PLUS 배양 플랫폼은 인간 만능줄기세포(hPSC)로부터 유도된 장 줄기세포의 안전한 대량 배양과 임상 적용 가능성을 크게 높일 기술로 평가된다.
이종 성분 없는 환경에서 줄기세포의 생존·이동·재생 능력을 동시에 강화하는 메커니즘을 규명함으로써, 줄기세포 치료제의 안전성·규제·생산성 문제를 근본적으로 해결할 기반을 마련했다.
임성갑 KAIST 교수는 “이번 연구는 줄기세포 치료제의 임상 적용을 가로막던 이종 성분 의존성을 해소하고, 줄기세포의 이동과 재생 능력을 극대화하는 합성 배양 플랫폼을 제시한 성과”라며 “재생 의학 분야의 패러다임 전환을 이끌 계기가 될 것”이라고 말했다.
이번 연구에는 박성현 박사(KAIST), 선상유 석사과정(KAIST), 손진경 박사(KRISS)가 제1저자로 참여했으며, 연구 결과는 재료과학 분야 최고 권위 학술지인 ‘어드밴스드 머터리얼즈(Advanced Materials)’에 11월 26일 자 온라인판으로 게재됐다.
※논문명: Tailored Xenogeneic-Free Polymer Surface Promotes Dynamic Migration of Intestinal Stem Cells, DOI: 10.1002/adma.202513371
본 연구는 과학기술정보통신부, 중소벤처기업부, 한국연구재단, 국가과학기술연구회, 한국표준과학연구원, 한국생명공학연구원, 나노종합기술원의 지원을 받아 수행됐다.
2025.12.23
조회수 2662
-
제5회 K-인공지능 제조데이터 분석 경진대회 성료
우리 대학 제조AI빅데이터센터는 중소 제조기업의 현장 애로사항을 인공지능(AI) 기반 분석으로 해결한 ‘제5회 K-인공지능 제조데이터 분석 경진대회’ 시상식을 성공적으로 개최했다고 16일 밝혔다.
중소벤처기업부가 주관하고 스마트제조혁신추진단과 KAIST 제조AI빅데이터센터가 공동으로 주최한 이번 시상식은 제조데이터를 활용한 인공지능 분석 성과를 공유하고, 우수한 연구 결과를 도출한 참가팀의 노력을 격려하기 위해 마련됐다. 특히 실제 제조 현장 문제를 데이터와 AI로 해결하고자 한 참가자들의 성과를 조명하고, 제조AI 분야의 미래 인재들이 서로의 경험을 나누는 의미 있는 자리로 진행됐다.
이번 시상식에는 제조데이터 기반 인공지능 분석을 통해 우수한 성과를 거둔 참가팀들이 참석해 그동안의 연구 과정과 성과를 공유했으며, 산업 현장 적용 가능성과 확장성을 갖춘 제조AI 사례들이 소개됐다. 이를 통해 제조AI가 연구 수준을 넘어 실제 산업 현장에서 활용될 수 있는 기술로 자리 잡고 있음을 확인하는 계기가 됐다.
시상식에 앞서 진행된 특별강연에는 제1회 K-인공지능 제조데이터 분석 경진대회 최우수상 수상자인 국립경상대학교 컴퓨터공학과 부석준 교수가 연사로 나섰다. 부 교수는 대학원생 시절 본 경진대회에 참가해 연구 성과를 축적했던 경험을 바탕으로, 제조데이터 기반 인공지능 연구의 중요성과 연구자로서의 성장 과정, 그리고 제조AI 분야에서 지속적으로 도전해 온 자신의 경험을 진솔하게 전달했다. 특히 과거 경진대회 수상자가 현재는 연구자이자 교육자로서 무대에 올라 후배들에게 경험을 전한 이번 강연은, 본 경진대회가 단발성 행사가 아닌 인재 성장의 선순환 구조를 형성하고 있음을 상징적으로 보여주는 시간이었다.
이번 경진대회 결과, 대상(중소벤처기업부 장관상)은 채민즈 팀(울산과학기술원, 무소속) 이종민, 송채원이 수상했다. 채민즈 팀은 물리식 기반 시계열 회귀모델을 활용해 열처리 공정의 불량률을 예측하는 제조AI 분석 모델을 제안했으며, 아이디어의 독창성과 기술적 완성도는 물론 향후 다양한 제조 공정으로 확장 가능한 점에서 높은 평가를 받았다.
이어 522 팀과 PhysicsAI 팀이 최우수상(KAIST 총장상)을 수상했으며, 브로콜리단 팀과 음파음파 팀은 우수상(스마트제조혁신추진단장상), SynAIgy, 크림모카빵, Deathtiny 팀은 장려상(KAIST 제조AI빅데이터센터 본부장상)을 각각 수상했다. 수상팀들은 제조데이터를 기반으로 한 문제 정의 능력과 인공지능 분석 모델 설계 역량을 인정받았다.
KAIST 제조AI빅데이터센터장 김일중 교수는 “제조 도메인 특화 AI는 중소·중견 제조기업의 경쟁력 향상을 위한 핵심기술이다”라며, “KAIST 제조AI빅데이터센터는 KAMP 운영기관으로서 차세대 제조AI를 기반으로 대한민국 제조업이 세계를 선도할 수 있도록 지속해서 노력하겠다”라고 말했다.
KAIST 제조AI빅데이터센터 김흥남 교수는 “이번 시상식은 실제 제조데이터를 바탕으로 현장 문제를 정의하고, 이를 인공지능 기술로 해결한 성과를 공유하는 자리였다”며, “특히 제1회 대회 수상자가 연사로 참여해 후배들에게 자신의 경험을 전한 것은 제조AI 인재 양성과 확산이라는 본 경진대회의 취지를 잘 보여주는 사례”라고 밝혔다.
한편, 대상 수상팀에는 상장과 함께 상금 1,000만 원이 수여됐으며, 최우수상 수상 2개 팀에는 각 500만 원, 우수상 2개 팀에는 각 300만 원, 장려상 3개 팀에는 각 100만 원의 상금이 각각 지급됐다.
2025.12.17
조회수 2670
-
정확도·효율성 높인 생명과학 데이터 분석 도구 'scICE' 개발
기존보다 최대 30배 빠른 속도로 안정적인 결과만을 자동으로 선별하여 대규모 생명과학 데이터 분석의 정확도와 효율성을 획기적으로 향상하는 방법이 나왔다. 우리 대학 수리과학과 김재경 교수 연구팀은 세포 분류(클러스터링) 결과의 안정성을 수학적으로 평가해 불안정한 결과를 걸러내는 새로운 분석 도구인 ‘scICE(single-cell Inconsistency Clustering Estimator)’를 개발했다.
단일세포 수준에서 유전자 발현을 분석하는 기술인 단일세포 전사체 분석법(scRNA-seq)은 현대 생명과학 연구의 핵심 도구로 자리 잡았다. 이 과정에서 클러스터링은 유사한 유전자 발현 특성을 가진 세포들을 그룹으로 묶는 작업으로, 암세포와 정상 세포를 구분하거나 새로운 세포 유형을 발견하는 데 중요한 첫걸음이다. 하지만 클러스터링 알고리즘은 무작위로 세포를 분류해 같은 데이터를 분석해도 결과가 달라지는 경우가 많다.
제1 저자인 김현 선임연구원은 “일부 정상 세포가 암세포로 잘못 분류되거나 중요한 세포 유형이 누락되는 불안정성으로 인해 연구자들은 다시 분석하거나 복잡한 계산을 통해 신뢰도가 높은 결과를 선별해야 했다”며, “기존 방법들은 분석을 여러 번 반복해 합의된 결과를 도출하는 방식으로, 계산량이 방대하고 수만 개 이상의 세포가 포함된 대용량 데이터에는 적합하지 않다”고 말했다.
연구팀이 개발한 scICE는 한 번의 분석만으로도 얼마나 일관성 있게 결과가 도출됐는지를 수학적으로 평가한다. 새로 도입한 ‘불일치 계수(Inconsistency Coefficient, IC)’를 통해 많은 계산량이 요구되는 연산 없이도 클러스터 간 안정성을 정량적으로 판단할 수 있다. 모든 세포를 일일이 비교하던 기존 방식과 달리, 불일치 계수를 활용한 안정성 평가는 클러스터 구조 간 유사성만 평가해 비교 대상을 획기적으로 줄일 수 있어 분석 시간을 크게 단축한다.
연구팀은 뇌, 폐, 혈액 등 다양한 조직에서 수집된 48개의 실제 및 모의 scRNA-seq 데이터에 scICE를 적용하여 그 유효성을 입증했다. 그 결과, 기존 분석 결과 중 약 3분의 2는 통계적으로 불안정하며 신뢰하기 어렵다는 사실을 밝혀냈다. 반면, scICE는 신뢰할 수 있는 결과만을 선별해 연구자의 시간과 계산 자원을 절약하면서도 정확도를 한층 높였다.
또한, scICE는 일반적인 클러스터링으로는 놓치기 쉬운 희귀한 세포 유형을 효과적으로 탐지했다. 실제로 일부 데이터에서 찾기 어려웠던 희귀 면역세포들을 scICE 기반의 서브클러스터링을 통해 안정적으로 식별해냈다. 예를 들어, 매우 복잡한 분석을 거쳐야만 식별할 수 있던 여러 대식세포(macrophage) 아형들을 훨씬 간편하고 정확하게 구분해냈다.
scICE에 관심 있는 연구자는 누구나 깃허브 사이트(https://github.com/Mathbiomed/scICE)를 통해 쉽게 활용해볼 수 있다.
김재경 교수는 “이번 연구는 수학적 아이디어가 어떻게 생명과학의 핵심 문제를 해결하고 분석 과정을 혁신할 수 있는지를 보여주는 성과”라며, “클러스터링 신뢰도의 중요성이 간과되어 온 측면이 있는데, 이번 기회로 scICE가 생명과학 분야에서 신뢰도 높은 데이터 해석을 가능케 하는 표준 도구로 자리 잡기를 기대한다”고 전했다.
우리 대학 박종은 교수 연구팀, POSTECH 김종경 교수 연구팀, 고려대 서민석 교수 연구팀과 공동으로 참여한 이번 연구결과는 세계적인 국제학술지 네이처 커뮤니케이션즈(Nature Communications, IF 14.7)에 7월 2일 온라인 게재됐다.
2025.07.03
조회수 6425
-
21개 화학반응 동시 분석..AI 신약 개발 판 바꾼다
임산부의 입덧 완화 목적으로 사용됐던 약물인 탈리도마이드(Thalidomide)는 생체 내에서는 광학 이성질체*의 특성으로 한쪽 이성질체는 진정 효과를 나타내지만, 다른 쪽은 기형 유발이라는 심각한 부작용을 일으킨다. 이런 예처럼, 신약 개발에서는 원하는 광학 이성질체만을 선택적으로 합성하는 정밀 유기합성 기술이 중요하다. 하지만, 여러 반응물을 동시에 분석하는 것 자체가 어려웠던 기존 방식을 극복하고, 우리 연구진이 세계 최초로 21종의 반응물을 동시에 정밀 분석하는 기술을 개발해, AI와 로봇을 활용하는 신약 개발에 획기적인 기여가 기대된다.
*광학 이성질체: 동일한 화학식을 가지며 거울상 관계에 있으면서 서로 겹칠 수 없는 비대칭 구조로 존재하는 분자 쌍을 말한다. 이는 왼손과 오른손처럼 형태는 유사하지만 포개어지지 않는 관계와 유사하다.
우리 대학 화학과 김현우 교수 연구팀이 인공지능 기반 자율합성* 시대에 적합한 혁신적인 광학이성질체 분석 기술을 개발했다고 16일 밝혔다. 이번 연구는 다수의 반응물을 동시에 투입해 진행하는 비대칭 촉매 반응을 고해상도 불소 핵자기공명분광기(19F NMR)를 활용해 정밀 분석한 세계 최초의 기술로, 신약 개발 및 촉매 최적화 등 다양한 분야에 획기적인 기여가 기대된다.
* 인공지능 기반 자율합성: 인공지능(AI)을 활용해 화학 물질 합성 과정을 자동화하고 최적화하는 첨단 기술로, 미래 실험실의 자동화 및 지능형 연구 환경을 구현할 핵심 요소로 주목받고 있다. AI가 실험 조건을 예측·조절하고 결과를 해석해 후속 실험을 스스로 설계함으로써 반복 실험 수행 시 인간 개입을 최소화해 연구 효율성과 혁신성을 크게 높인다.
현재 자율합성 시스템은 반응 설계부터 수행까지는 자동화가 가능하지만, 반응 결과 분석은 전통적 장비를 활용한 개별 처리 방식에 의존하고 있어 속도 저하와 병목 현상이 발생하며 고속 반복 실험에는 적합하지 않다는 문제점이 제기돼 왔다.
또한, 1990년대에 제안된 다기질 동시 스크리닝 기법은 반응 분석의 효율을 극대화할 전략으로 주목받았지만, 기존 크로마토그래피 기반 분석법의 한계로 인해 적용 가능한 기질 수가 제한적이었다. 특히 원하는 광학 이성질체만 선택하여 합성하는 비대칭 합성 반응에서는 10종 이상의 기질을 동시에 분석하는 것이 불가능에 가까웠다.
이러한 한계를 극복하기 위해, 연구팀은 다수의 반응물을 하나의 반응 용기에 투입하여 동시에 비대칭 촉매 반응을 수행한 뒤 불소 작용기를 생성물에 도입하고, 자체 개발한 카이랄 코발트 시약을 적용해 모든 광학 이성질체를 명확하게 정량 분석할 수 있는 불소 핵자기공명분광기(19F NMR) 기반 다기질 동시 스크리닝 기술을 구현했다.
연구팀은 19F NMR의 우수한 분해능과 민감도를 활용해, 21종 기질의 비대칭 합성 반응을 단일 반응 용기에서 동시에 수행하고 생성물의 수율과 광학 이성질체 비율을 별도의 분리 과정 없이 정량 측정하는 데 성공했다.
김현우 교수는 “여러 기질을 한 반응기에 넣고 비대칭 합성 반응을 동시에 수행하는 것은 누구나 할 수 있지만, 생성물 전체를 정확하게 분석하는 것은 지금까지 풀기 어려운 과제였다”며, “세계 최고 수준의 다기질 스크리닝 분석 기술을 구현함으로써 AI 기반 자율합성 플랫폼의 분석 역량 향상에 크게 기여할 수 있을 것으로 기대된다”고 말했다.
이어 “이번 연구는 신약 개발에 필수적인 비대칭 촉매 반응의 효율성과 선택성을 신속히 검증할 수 있는 기술로, AI 기반 자율화 연구의 핵심 분석 도구로 활용될 전망이다”라고 밝혔다.
이번 연구에는 우리 대학 화학과 김동훈 석박통합과정 학생(제1 저자), 최경선 석박통합과정 학생(제2 저자) 가 참여했으며, 화학 분야 세계적 권위의 국제 학술지 미국화학회지(Journal of the American Chemical Society) 에 2025년 5월 27일 자 온라인 게재됐다.
※ 논문명: One-pot Multisubstrate Screening for Asymmetric Catalysis Enabled by 19F NMR-based Simultaneous Chiral Analysis
※ DOI: 10.1021/jacs.5c03446
이번 연구는 한국연구재단 중견연구자 지원사업, 비대칭 촉매반응 디자인센터, KAIST KC30 프로젝트의 지원을 받아 수행됐다.
2025.06.16
조회수 12850
-
해킹 피해도 젠더따라 다르다..SNS분석으로 디지털 격차 경고
수백만 개의 계정이 해킹되어 사이버 범죄를 조장하고 있음에도 불구하고, 기존 해킹 관련 연구는 기술적 측면에만 집중돼 있었다. 이에 우리 연구진은 SNS 빅데이터에 인공지능 분석법을 적용해 해킹 피해에 대한 남녀 간 행동 패턴 차이를 규명했으며, 이를 바탕으로 해킹 피해 완화 정책과 맞춤형 보안 대응 역량 강화 프로그램의 개발이 시급하다는 점을 제시했다.
우리 대학 과학기술정책대학원 최문정 교수 연구팀이 젠더에 따라 디지털 해킹 피해 경험 및 대응 방식이 다르다는 사실을 규명했다고 8일 밝혔다.
이번 연구는 ‘디지털 격차’중에서도 ‘제3레벨 디지털 격차(The Third-Level Digital Divide)’의 관점에서, 젠더에 따른 해킹 피해 경험의 차이를 분석했다. ‘제3레벨 디지털 격차’는 유사한 디지털 접근성과 사용 능력을 갖춘 사용자들 사이에서 나타나는 디지털 활용 결과의 사회적 불균형을 의미한다.
연구팀은 소셜미디어(SNS) 트위터(現 X) 데이터를 기반으로 13,000건 이상의 해킹 관련 게시글을 인공지능으로 분석한 결과, 여성은 디지털 서비스 전반에서, 남성은 특히 게임 관련 서비스에서 해킹 피해 경험을 더 많이 공유하는 경향이 있음을 밝혀냈다.
특히, 해킹 피해 이후의 대응 방식에서도 젠더 차이가 뚜렷하게 나타났다. 남성은 해킹 출처를 추적하거나 계정을 복구하는 등의 방식으로 대응하는 반면, 여성은 문제를 신고하거나 도움을 요청하는 등 사회적 지원을 활용하는 경향을 보였다.
허은진(Ern Chern Khor) 박사과정생은 “디지털 격차를 논의할 때 단순히 인터넷 접근성이나 모바일 기기 사용 능력에만 초점을 맞추는 경향이 있다. 그러나 본 연구는 디지털 접근성과 역량이 유사함에도 불구하고 디지털 경험의 사회적 영향이 다르게 나타나는 ‘제3레벨의 디지털 격차’에 주목했다는 점에서 연구의 의미가 있다”고 밝혔다.
최문정 교수는 “디지털 시대에 100세 인생을 살아가는 누구나 디지털 보안 문제를 겪을 수 있다. 하지만, 해킹 피해가 실제로 발생하기 전까지는 어떻게 대응해야 할지 알기 어렵다. 사고 대응 매뉴얼과 같이 인구 사회학적 특성에 따른 행동 패턴을 반영한 맞춤형 보안 교육 및 지원이 효과적일 것”이라고 강조했다.
이번 연구는 과학기술정책대학원 박사과정 허은진(Ern Chern Khor)이 제1 저자로 참여한 연구로 정보통신정책과 디지털 미디어 분야의 세계적 학술지인 ‘소셜 사이언스 컴퓨터 리뷰(Social Science Computer Review)’에 4월 29일 자 온라인으로 출간됐다.
※논문명: 트위터 데이터를 활용한 해킹 피해 경험의 젠더 격차 연구: 제3레벨 디지털 격차를 중심으로 (Exploring Gender Disparities in Experiences of Being Hacked Using Twitter Data: A Focus on the Third-Level Digital Divide)
※DOI: 10.1177/08944393251334974
이번 연구는 한국연구재단 개인기초연구 과학기술-인문사회융합 중견연구사업 지원을 받아 수행됐다.
2025.06.09
조회수 9033
-
바이오 경로 이미지 분석하는 AI 최초 개발
유전자, 단백질, 대사물질 등 복잡한 정보를 표현하는 바이오 경로 이미지는 중요한 연구 결과를 내포하고 있지만, 이미지 기반 정보 추출에 대해 그동안 충분한 연구가 이뤄지지 않았다. 이에 우리 연구진은 바이오 경로 정보를 자동으로 추출할 수 있는 인공지능 프레임워크를 개발했다.
우리 대학 생명화학공학과 김현욱 교수 연구팀이 바이오 경로 이미지에서 유전자와 대사물질 정보를 자동으로 추출하는 기계학습 기반의 ‘바이오 경로 정보 추출 프레임워크(이하 EBPI, Extraction of Biological Pathway Information)’를 개발했다고 28일 밝혔다.
연구팀이 개발한 EBPI는 문헌에서 추출한 이미지 속의 화살표와 텍스트를 인식하고, 이를 기반으로 바이오 경로를 편집 가능한 표의 형태로 재구성한다. 객체 감지 모델 등의 기계학습을 사용해 경로 이미지 내 화살표의 위치와 방향을 감지하고, 이미지 속 텍스트를 유전자, 단백질, 대사물질로 분류한다. 그 후 추출된 정보를 통합해 경로 정보를 표 형식으로 제공한다.
연구팀은 74,853편의 논문에서 추출한 바이오 경로 이미지와 기존 수작업으로 작성된 경로 지도를 비교하며 EBPI의 성능을 검증했다. 그 결과, 높은 정확도로 바이오 경로 정보가 자동으로 추출됐음을 확인했다.
EBPI를 사용해 대표적인 바이오 경로 데이터베이스에 포함되지 않은 생화학 반응 정보를 대량의 문헌 내 바이오 경로 이미지로부터 추출하는 데에도 성공했다.
다양한 산업적 가치를 지닌 대사물질들의 생합성 관련 문헌을 EBPI로 분석한 결과, 문헌에서는 보고가 됐지만, 기존 데이터베이스에서는 누락된 생화학 반응들이 확인된 것이다. 화학산업에서 다양한 응용분야를 갖는 1,4-부탄디올, 2-메틸부티르산, 하이드록시티로솔, 레불린산 및 발레로락탐의 생합성 경로를 예시로 이러한 발견을 제시했다.
연구를 총괄한 김현욱 교수는 “이번 연구에서 개발된 EBPI는 대규모 문헌 데이터 분석에 있어 중요한 도구가 될 것이며 생명공학, 대사공학 및 합성생물학 분야에서 바이오 경로 이미지를 AI로 분석하는 최초의 사례로, 관련 연구의 실험 디자인 및 분석 시 유용하게 활용될 수 있을 것”이라고 밝혔다.
생명화학공학과 권문수 박사과정생과 이준규 박사과정생이 공동 제1 저자인 이번 연구는 대사공학 및 합성생물학 분야의 대표적 국제학술지인 대사공학(Metabolic Engineering, JCR 분야 상위 10% 이내)에 11월호에 게재됐다.
※ 논문명 : A machine learning framework for extracting information from biological pathway images in the literature
※ 저자 정보 : 권문수(한국과학기술원, 공동 제1 저자), 이준규(한국과학기술원, 공동 제1 저자), 김현욱(한국과학기술원, 교신저자) 포함 총 3명
한편 이번 연구는 과학기술정보통신부 한국연구재단 및 농촌진흥청의 농업미생물사업단의 지원을 받아 수행됐다.
2024.11.28
조회수 10926