Method of controlling machine learning model and system performing the same

A method of controlling a machine learning model comprises the steps of: generating a public key and a secret key based on a master key and a parameter vector representing parameters of a first hidden layer of the machine learning model; generating encrypted data by encrypting an input vector representing input data of the machine learning model based on the public key; decoding the encrypted data based on the secret key to generate decoded data representing a value approximating the inner product of the parameter vector and the input vector; and controlling the machine learning model based on the decoded data replacing the input data. The security of data used in machine learning can be strengthened by including random noise in decoded data based on function encryption using the learning with error problem(LWE) and the lattice problem, and attacks using quantum computers can be blocked. 머신 러닝 모델의 제어 방법은, 머신 러닝 모델의 제1 히든 레이어의 파라미터들을 나타내는 파라미터 벡터 및 마스터 키에 기초하여 공개 키 및 비밀 키를 생성하는 단계, 상기 공개 키에 기초하여 상기 머신 러닝 모델의 입력 데이터를 나타내는 입력 벡터를 암호화하여 암호 데이터를 생성하는 단계, 상기 비밀 키에 기초하여 상기 암호 데이터를 복호화하여 상기 파라미터 벡터 및 상기 입력 벡터의 내적에 근사한 값을 나타내는 복호 데이터를 생성하는 단계 및 상기 입력 데이터를 대체한 상기 복호 데이터에 기초하여 상기 머신 러닝 모델을 제어하는 단계를 포함한다. LWE 난제성(Learning With Error problem) 및 래티스 난제성(lattice problem)을 이용한 함수 암호에 기초하여 복호 데이터에 랜덤 노이즈를 포함시킴으로써 머신 러닝에 사용되는 데이터의 보안성을 강화할 수 있고, 양자 컴퓨터를 이용한 공격을 차단할 수 있다