네트워크 침입 데이터셋을 활용한 XGBoost 모델의 머신 언러닝 (Machine Unlearning)

요약

정형 데이터 기반의 네트워크 침입 탐지 환경에서 XGBoost 모델의 특정 데이터를 효율적으로 제거하는 'XGBoost-Forget' 기술을 제안합니다. IoT-23 및 GeNIS 데이터셋 실험을 통해 기존 딥러닝 중심의 머신 언러닝 연구 공백을 메우고 성능과 효율성을 입증했습니다.

핵심 포인트

• 전체 재학습 없이 특정 데이터를 제거하는 머신 언러닝 기술 제안
• 정형 데이터(Tabular Data) 및 XGBoost 모델에 특화된 접근 방식
• IoT-23, GeNIS 데이터셋을 통한 모델 성능 및 망각 품질 검증
• 기존 모델의 예측 성능을 유지하며 빠른 언러닝 속도 구현