연합학습 기반 대규모 분산 최적화 연구 성과 발표
'FedLPA'로 개인정보 보호 및 성능 동시 달성
토스 AI 역량 전세계적 인정… 더 정교한 서비스 개발할 것

토스(운영사 비바리퍼블리카)가 세계 최고 권위의 인공지능(AI) 학회 ‘뉴립스(NeurIPS, Neural Information Processing Systems) 2025’에서 논문이 등재됐다고 밝혔다. 이번 논문은 토스 페이스모델링팀 이진우 연구원 중심으로 서울대학교 컴퓨터비전랩과 진행된 연구 성과이다.
NeurIPS는 머신러닝 및 신경정보처리 분야에서 세계적으로 가장 영향력 있는 학회로, 논문 채택률이 약 20% 수준에 불과하다. 이번 학회는 2일부터 7일까지 미국 샌디에이고 컨벤션센터에서 열리며, 전 세계 연구자들이 최신 AI 연구 성과를 공유한다.
채택된 연구는 ‘로컬 사전 정렬 기반 연합학습(Federated Local Prior Alignment, FedLPA)’으로, 개인정보 보호 규제로 인해 데이터를 중앙 서버로 옮길 수 없는 국가에서도 AI 모델을 학습할 수 있도록 돕는다. 국가나 사용자 집단마다 데이터의 특징이 서로 다르거나, 기존에 없던 새로운 유형의 데이터가 등장할 때 성능이 급격히 떨어지는 기존 연합학습 방식의 한계를 보완했다.
연구팀은 국가·사용자 그룹 등 비슷한 특성을 가진 데이터를 자동으로 묶어주는 ‘인포맵(Infomap)’ 기반 로컬 군집화와, 예측을 정렬해 학습 안정성을 높이는 ‘로컬 프라이어 얼라인먼트(Local Prior Alignment)’ 기법을 결합했다. 이를 통해 각 디바이스의 데이터 구조를 스스로 파악하고 활용할 수 있도록 하여 사전에 범주의 종류나 데이터 분포를 알기 어려운 환경에서도 새로운 유형의 범주를 정확하게 찾아내는 ‘일반화 범주 발견(Generalized Category Discovery, GCD)’ 성능을 입증했다.
또한 이번 연구는 개인정보 보호와 AI 성능을 동시에 충족할 수 있는 기반 기술로서, 개인정보 규제가 엄격한 국가에서도 해당 국가의 법적 요구사항을 준수하며 글로벌 AI 모델을 구축할 수 있음을 보여준다. 논문 제목은 ‘이질적인 연합 학습 환경에서의 일반화 범주 발견을 위한 로컬 사전 정렬(FedLPA: Local Prior Alignment for Heterogeneous Federated Generalized Category Discovery)’이다.
이진우 연구원은 “이번 연구는 규제로 인해 데이터를 서버로 이전할 수 없고, 각 클라이언트의 데이터 분포도 제각각이며, 새로운 범주의 개수조차 알 수 없는 혹독한 상황에서도 효율적인 학습이 가능하도록 알고리즘을 최적화한 점이 핵심”이라고 밝혔다.
토스 관계자는 “토스의 AI 역량이 세계적 학회에서 처음으로 공식적인 인정을 받았다는 점에서 의미가 크다”며 “실제 서비스에 적용 가능한 기술 연구를 지속해 개인정보 보호를 지키면서도 더 정교한 AI 기반 서비스를 제공하겠다”고 말했다.


연합학습 기반 대규모 분산 최적화 연구 성과 발표
'FedLPA'로 개인정보 보호 및 성능 동시 달성
토스 AI 역량 전세계적 인정… 더 정교한 서비스 개발할 것

토스(운영사 비바리퍼블리카)가 세계 최고 권위의 인공지능(AI) 학회 ‘뉴립스(NeurIPS, Neural Information Processing Syste

# 뉴립스

토스, 세계 최고 권위 AI학회 ‘NeurIPS 2025’에 ‘연합학습 최적화 연구’ 논문 등재