본 논문은 머신러닝 모델에서 개인 정보 보호를 위한 차등적 프라이버시(Differential Privacy, DP)의 기본 정의, 발전 과정, 머신러닝 모델 통합 방법, 평가 방법 등을 종합적으로 검토하는 설문 논문입니다. 차등적 프라이버시의 기본 개념부터 시작하여 주요 연구 성과들을 추적하고, 머신러닝 모델 학습 시 프라이버시를 보존하기 위한 기존 제안 및 방법들을 심층적으로 분석합니다. 또한, DP 기반 머신러닝 기술의 실제 평가 방법을 설명하며, DP의 잠재적 공공 이익, 실제 응용 사례, 그리고 적대적 공격에 대한 취약성과 같은 과제들을 다룹니다. 궁극적으로 안전하고 책임감 있는 AI 시스템 개발에 기여하는 것을 목표로 합니다.
