본 논문은 의료, 금융, 형사 사법과 같이 높은 위험이 걸린 분야에서 수신자 조작 특성 곡선(ROC) 아래 면적(AUC)을 이용한 공정성 지표에 대한 관심이 증가하고 있음을 배경으로 제시되었다. 이러한 분야에서는 이진 결과가 아닌 위험 점수를 기준으로 공정성을 평가하는 경우가 많으며, 엄격한 공정성을 적용하면 AUC 성능이 크게 저하되는 어려움이 있다. 이 문제를 해결하기 위해, 본 논문에서는 최적 수송을 사용하여 서로 다른 그룹 간의 위험 점수 분포를 전략적으로 정렬하지만, 불리한 그룹 내 점수의 제어 가능한 비율(최상위 람다 분위수)을 변환함으로써 선택적으로 수행하는 새로운 모델 비의존적 후처리 프레임워크인 Fair Proportional Optimal Transport (FairPOT)을 제안한다. 람다를 다양하게 함으로써, 제안하는 방법은 AUC 불균형 감소와 전체 AUC 성능 유지 간의 조정 가능한 절충안을 허용한다. 또한, FairPOT을 부분 AUC 설정으로 확장하여 최고 위험 지역에 공정성 개입을 집중할 수 있도록 한다. 합성 데이터, 공개 데이터 및 임상 데이터에 대한 광범위한 실험을 통해 FairPOT이 전역 및 부분 AUC 시나리오 모두에서 기존 후처리 기술보다 일관되게 우수한 성능을 보이며, 종종 약간의 AUC 저하 또는 유틸리티의 긍정적 향상으로 공정성을 개선함을 보여준다. FairPOT의 계산 효율성과 실용적인 적응성은 실제 배포를 위한 유망한 솔루션으로 만든다.
