의료 영상, 특히 MRI를 이용한 뇌종양 탐지에 있어 인공지능의 잠재력이 크지만, 연합 학습(Federated Learning, FL)을 통해 학습된 모델은 추론 시 적대적 공격에 취약하다. 환자 프라이버시를 보호하면서 진단 AI 모델을 보호하기 위해, 본 논문은 개인화된 연합 학습 방어 프레임워크인 MedFedPure를 제안한다. MedFedPure는 각 기관의 고유한 데이터 분포에 적응하는 개인화된 FL 모델, 숨겨진 교란을 노출하여 의심스러운 입력을 감지하는 Masked Autoencoder (MAE), 그리고 분류 전에 플래그가 지정된 스캔만 선택적으로 정리하는 적응형 확산 기반 정화 모듈을 결합한다. Br35H 뇌 MRI 데이터 세트에서 MedFedPure를 평가한 결과, 강력한 공격 하에서 adversarial robustness가 크게 향상되었고, 높은 정확도를 유지했다. 이 프레임워크는 로컬에서 실시간으로 작동하며 안전하고 신뢰할 수 있으며 프라이버시를 보호하는 AI 도구를 임상 워크플로우에 적용할 수 있는 실용적인 방안을 제시한다.
