본 논문은 대규모 학습 데이터에서 의미있는 특징의 부분집합을 추출하는 특징 선택에 대한 개인정보 보호 계산 모델을 제안한다. 데이터 소유자와 분석자가 동일한 경우 개인 정보를 숨길 필요가 없지만, 서로 다른 당사자이거나 여러 소유자가 존재하는 경우 적절한 개인정보 보호 프레임워크가 필요하다. 기존의 개인정보 보호 특징 선택 알고리즘들은 두 명 이상의 계산 당사자를 필요로 하며, 외부 당사자를 완전히 신뢰할 수 없는 환경에서는 보안을 보장하지 못한다. 이러한 문제를 해결하기 위해, 본 논문은 완전 동형 암호화를 이용한 특징 선택을 위한 최초의 아웃소싱 알고리즘을 제안한다. 기존의 2-party 알고리즘과 비교하여, 제안된 알고리즘은 시간 복잡도를 O(kn²)에서 O(kn log³ n)으로, 공간 복잡도를 O(kn²)에서 O(kn)으로 개선한다 (k는 특징의 수, n은 데이터 샘플의 수). 또한, 제안된 알고리즘을 구현하고 기존 알고리즘과 비교 실험을 수행하여 소규모 데이터셋에서도 효율성을 보여준다.
