연구진은 낙상 감지를 위해 센서 데이터를 활용하는 과정에서 발생하는 개인정보 보호 문제를 해결하기 위해 클래스 인지 적응형 차등 프라이버시(CA-ADP) 프레임워크를 제안했습니다.
CA-ADP는 각 미니 배치의 클래스 구성을 기반으로 추가되는 노이즈의 크기를 동적으로 조절하여 프라이버시를 보장하면서 성능 저하를 완화합니다.
SisFall, UP-Fall, MobiAct 데이터셋에서 기존 모델 대비 F-score가 각각 3.3%, 8.5%, 7.5% 향상되었으며, 통계적 유의성 검증 결과에서도 우수한 성능을 입증했습니다.