대부분의 사람들은 자신의 데이터가 어디로 가는지 생각하지 않고 매일 AI를 사용합니다. Nesa는 이러한 질문을 더 이상 외면하지 않을 때 어떤 일이 벌어지는지 묻습니다.
핵심 요약
인공지능은 이미 일상생활의 일부가 되었지만, 사용자들은 자신들의 데이터가 중앙 서버를 거쳐 어떻게 전송되는지 간과하는 경우가 많습니다.
심지어 CISA의 임시 국장조차도 자신도 모르게 기밀 문서를 ChatGPT에 노출시켰습니다.
Nesa는 전송 전에 데이터를 변환(EE)하고 노드 간에 분산(HSS-EE)함으로써 이를 재구성하여 어느 한쪽 당사자도 원본 데이터를 볼 수 없도록 합니다.
Nesa는 학술적 검증(COLM 2025)과 실제 기업 배포(P&G)를 통해 유리한 위치를 확보했습니다.
시장 전반에서 익숙한 중앙 집중식 API 대신 분산형 개인정보 보호 AI를 채택할지 여부가 핵심 질문으로 남아 있습니다.
1. 당신의 데이터는 안전한가요?
2026년 1월, 미국 최고 사이버 보안 기관인 CISA의 국장 대행인 마두 고투무칼라는 계약 관련 파일을 요약하고 정리하기 위해 민감한 정부 문서를 ChatGPT에 업로드했습니다.
이번 침해는 ChatGPT에서 감지되지 않았고, OpenAI에서도 정부에 보고되지 않았습니다. 해당 기관의 내부 보안 시스템에서 이를 발견했고, 보안 프로토콜 위반 혐의로 조사가 시작되었습니다.
심지어 미국의 최고 사이버 보안 책임자조차도 기밀 자료를 업로드하는 등 인공지능을 일상적으로 사용했습니다.
저희도 알고 있습니다. 대부분의 AI 서비스는 사용자 입력을 암호화된 형태로 중앙 서버에 저장합니다. 하지만 이 암호화는 애초에 복호화되도록 설계되었습니다. 유효한 영장이나 긴급 상황 발생 시 데이터가 복호화되어 공개될 수 있으며, 사용자는 그 과정에서 무슨 일이 벌어지는지 전혀 알 수 없습니다.
Tiger Research와 함께 아시아 웹3 시장을 심층 분석하세요. 독점적인 시장 분석 정보를 받아볼 수 있는 23,000명 이상의 선구자 대열에 합류하세요.
2. 일상생활을 위한 개인정보 보호 AI: Nesa
인공지능은 이미 우리 일상생활의 일부가 되었습니다. 기사를 요약하고, 코드를 작성하고, 이메일을 작성합니다. 진정한 문제는 앞서 살펴본 사례에서처럼 기밀 문서와 개인 정보조차도 위험성을 제대로 인지하지 못한 채 인공지능에 넘겨지고 있다는 점입니다.
핵심 문제는 이 모든 데이터가 서비스 제공업체의 중앙 서버를 거친다는 점입니다. 암호화된 경우에도 복호화 키는 제공업체가 보유하고 있습니다. 사용자들이 어떻게 이런 방식을 신뢰할 수 있을까요?
사용자 입력 데이터는 모델 학습, 안전성 검토, 법적 요청 등 다양한 경로를 통해 제3자에게 노출될 수 있습니다. 기업용 요금제의 경우, 조직 관리자는 채팅 기록에 접근할 수 있습니다. 개인용 요금제의 경우에도 유효한 영장이 발부되면 데이터가 제공될 수 있습니다.
인공지능이 일상생활에 깊숙이 자리 잡은 지금, 개인정보 보호에 대한 진지한 질문을 던져야 할 때입니다.
Nesa는 이러한 구조를 완전히 바꾸기 위해 설계된 프로젝트입니다. 중앙 서버에 데이터를 맡기지 않고도 AI 추론을 가능하게 하는 분산형 인프라를 구축합니다. 사용자 입력은 암호화된 상태로 처리되며, 어떤 노드도 원본 데이터를 볼 수 없습니다.
3. Nesa는 이 문제를 어떻게 해결할까요?
Nesa를 사용하는 병원을 상상해 보세요. 의사는 AI가 환자의 MRI 이미지를 분석하여 종양을 찾아내기를 원합니다. 현재 AI 서비스에서는 이미지가 OpenAI 또는 Google 서버로 직접 전송됩니다.
Nesa를 사용하면 이미지가 의사의 컴퓨터를 떠나기 전에 수학적으로 변환됩니다.
간단한 비유를 들어보겠습니다. 원래 문제가 "3 + 5 = ?"라고 가정해 봅시다. 이 문제를 그대로 보내면 받는 사람은 당신이 무엇을 계산하고 있는지 정확히 알 수 있습니다.
이것이 바로 Nesa의 등변 암호화(EE)가 하는 일입니다. 데이터는 전송 전에 수학적으로 변환됩니다. AI 모델은 변환된 데이터를 기반으로 연산을 수행합니다.
실제로 변환 과정은 단순 곱셈보다 훨씬 복잡합니다. 이는 AI 모델의 내부 연산 구조에 맞춰 조정됩니다. 변환이 모델의 처리 흐름과 일치하기 때문에 정확도가 저하되지 않습니다.
Nesa는 한 단계 더 나아갑니다. EE만으로는 어떤 노드도 원본 데이터를 볼 수 없도록 차단하지만, 변환된 데이터는 단일 서버에 온전히 저장됩니다.
HSS-EE(Homomorphic Secret Sharing over Encrypted Embeddings)는 변환된 데이터까지도 분할합니다.
4. 개인정보 보호는 성능 저하를 의미하나요?
Nesa 의 등변 암호화(EE)는 다른 방식으로 작동합니다. 수학적 비유로 돌아가자면, 전송 전에 x2를 적용하고 수신 후에 ÷2를 적용하는 비용은 최소화됩니다.
FHE는 문제 전체를 근본적으로 다른 수학적 시스템으로 변환하는 반면, EE는 기존 계산 위에 가벼운 변환만 추가합니다.
성능 벤치마크:
EE: LLaMA-8B에서 지연 시간 증가율이 9% 미만이며, 정확도는 원본과 동일하게 99.99% 이상입니다.
HSS-EE: LLaMA-2 7B에서 추론당 700~850밀리초 소요.
게다가 메타 학습 스케줄러인 MetaInf는 네트워크 전반의 효율성을 최적화합니다. 모델 크기, GPU 사양 및 입력 특성을 평가하여 가장 빠른 추론 방법을 자동으로 선택합니다.
MetaInf는 89.8%의 선택 정확도를 달성했으며 기존 머신러닝 기반 선택기보다 1.55배 빠른 속도를 보였습니다. 이 연구 결과는 COLM 2025 본 학술대회에서 발표되어 학술적 검증을 받았습니다.
위 수치는 통제된 테스트 환경에서 얻은 결과입니다. 하지만 Nesa의 추론 인프라는 이미 실제 기업 환경에 배포되어 운영 수준의 성능을 입증하고 있습니다.
5. 누가 어떻게 사용하는가
이는 분산형 AI 추론이 실제로 어떻게 작동하는지 확인하는 가장 빠른 방법입니다.
이 등급은 자체 모델을 배포하고 수익화하려는 개인 개발자 또는 소규모 팀을 위해 설계되었습니다.
요약 숏, Playground는 탐색을 위한 플랫폼, Pro는 개인 또는 소규모 팀 개발을 위한 플랫폼, Enterprise는 조직 전체 배포를 위한 플랫폼입니다.
6. 토큰이 필요한 이유
답은 경제적 인센티브입니다. Nesa 네트워크에서 그 인센티브는 $NES 토큰 입니다.
수수료가 높을수록 우선적으로 처리되는데, 이는 블록체인의 가스 수수료와 동일한 원리입니다.
채굴자가 잘못된 결과를 반환하거나 응답하지 않으면, 해당 채굴자의 예치(stake) 에서 벌금이 차감됩니다. 반대로 정확하고 신속하게 처리하면 더 큰 보상을 받습니다.
$NES는 거버넌스 도구로서의 역할도 합니다. 토큰 보유자는 수수료 구조 및 보상 비율과 같은 핵심 네트워크 매개변수에 대한 제안을 제출하고 투표할 수 있습니다.
한 가지 주목할 점은 토큰 이코노미 설계된 대로 작동하려면 몇 가지 전제 조건이 충족되어야 한다는 것입니다.
채굴자 보상이 의미 있으려면 추론 수요가 충분해야 합니다. 채굴자 계속 참여하려면 보상이 의미 있어야 합니다. 네트워크 품질이 유지되려면 채굴자 충분해야 합니다.
이는 수요가 공급을 촉진하고 공급이 수요를 유지하는 선순환 구조이지만, 그 순환을 시작하는 것이 가장 어려운 단계입니다.
7. 프라이버시 AI의 필요성
Nesa가 해결하려는 문제는 명확합니다. 인공지능이 사용될 때 사용자 데이터가 제3자에게 노출되는 구조를 바꾸는 것입니다.
이는 단순히 논문을 인용한 것이 아닙니다. 연구팀이 직접 프로토콜을 설계하고 네트워크에 구현했습니다.
대부분의 기업은 여전히 중앙 집중식 API에 익숙해져 있으며, 블록체인 기반 인프라 도입에 대한 장벽은 여전히 높습니다.
미국 사이버 보안 책임자조차 기밀 문서를 AI에 업로드하는 시대에 우리는 살고 있습니다. 개인정보 보호를 위한 AI에 대한 수요는 이미 존재하며 앞으로 더욱 증가할 것입니다.
Nesa는 이러한 수요를 충족하기 위해 학문적으로 검증된 기술과 실제 인프라를 갖추고 있습니다. 물론 한계점도 있지만, 다른 프로젝트들에 비해 훨씬 앞서나가고 있습니다.
개인정보보호 AI 시장이 본격적으로 열리면 Nesa는 가장 먼저 거론되는 기업 중 하나가 될 것입니다.
🐯 타이거 리서치에서 더 많은 정보를 확인하세요
Read more reports related to this research.부인 성명
본 보고서는 Nesa의 부분적인 자금 지원을 받아 작성되었습니다. 신뢰할 수 있는 자료를 활용하여 당사 연구진이 독립적으로 작성했습니다. 보고서의 결과, 권고 사항 및 의견은 발행 시점에 이용 가능한 정보를 기반으로 하며 예고 없이 변경될 수 있습니다. 당사는 본 보고서 또는 그 내용의 사용으로 인한 손실에 대해 책임을 지지 않으며, 정확성 또는 완전성을 보장하지 않습니다. 본 정보는 타인의 견해와 다를 수 있습니다. 본 보고서는 정보 제공 목적으로만 작성되었으며 법률, 사업, 투자 또는 세무 자문이 아닙니다. 증권 또는 디지털 자산에 대한 언급은 예시일 뿐 투자 자문 또는 투자 제안이 아닙니다. 본 자료는 투자자를 위한 것이 아닙니다.
이용약관
타이거 리서치는 보고서의 공정 사용을 허용합니다. '공정 사용'이란 자료의 상업적 가치를 훼손하지 않는 한, 공익을 위해 특정 콘텐츠를 폭넓게 사용할 수 있도록 허용하는 원칙입니다. 공정 사용의 목적에 부합하는 경우, 사전 허가 없이 보고서를 활용할 수 있습니다. 단, 타이거 리서치의 보고서를 인용할 때는 1) 출처를 '타이거 리서치'로 명확히 표기하고, 2) 브랜드 가이드라인에 따라 타이거 리서치 로고를 반드시 포함해야 합니다. 자료를 재구성하여 출판할 경우에는 별도의 협의가 필요합니다. 보고서를 무단으로 사용하는 경우 법적 조치가 취해질 수 있습니다.
