본 논문은 대규모 언어 모델(LLM)을 활용한 개인 맞춤형 광고 추천 시스템에서 사용자 프라이버시 보호 및 데이터 보안을 고려한 연구이다. Transformer 구조 기반의 self-attention mechanism을 이용하는 LLM의 원리를 설명하고, BERT 모델과 attention mechanism을 결합하여 개인 맞춤형 광고 추천 알고리즘 모델을 구축하였다. 데이터 수집 및 전처리, 특징 선택 및 생성, BERT를 이용한 광고 의미 임베딩, 사용자 프로필 기반 광고 추천 등의 단계를 거치며, 로컬 모델 학습 및 데이터 암호화를 통해 사용자 프라이버시 보호 및 개인 정보 유출 방지에 힘썼다. 실제 사용자 데이터를 이용한 실험 결과, BERT 기반 광고 추천은 광고 클릭률과 전환율을 효과적으로 향상시키는 동시에, 로컬 모델 학습과 프라이버시 보호 메커니즘을 통해 사용자 프라이버시 유출 위험을 어느 정도 감소시킬 수 있음을 보였다.
