Schift, 34M으로 줄인 개인정보 마스킹 모델을 공개하다

링크 하나가 조용히 방에 떨어졌다. 한 참여자가 huggingface.co 주소와 함께 "아키텍쳐 좀 깎아 봤습니다."라고 짧게 알렸고, 뒤이어 "개인정보 처리 모델입니다"라고 용도를 밝혔다. 다른 참여자가 "아하 PII"라며 곧바로 알아보자, 원 발화자는 "모델 사이즈는 1/3, 그리고 성능은 소폭 상승"이라고 결과를 정리했다.

"모델 사이즈는 1/3, 그리고 성능은 소폭 상승"

이름·주소 같은 개인식별정보(PII)를 걸러내는 이 마스킹 모델은 34M 규모다. 크기를 3분의 1로 줄이면서도 성능은 오히려 소폭 올랐다는 게 핵심이며, 발화자는 이 정도 크기라면 온디바이스 구동도 가능하다고 설명했다. 별다른 부연 설명 없이도 상대가 "아하 PII"라며 곧장 알아들었다는 점은, 개인정보 마스킹이라는 주제가 이 방에서 이미 낯익은 화두였음을 짐작하게 한다.

경량화와 성능 향상을 동시에 잡았다는 결과는 사소해 보이지 않는다. 개인정보 마스킹처럼 실시간 처리가 필요한 작업일수록 모델을 서버가 아닌 기기 안에서 직접 돌릴 수 있느냐가 관건인데, 34M급 크기는 그 문턱을 낮추는 조건이다. 클라우드 API 호출 없이 기기 안에서 곧바로 마스킹을 끝낼 수 있다면, 민감한 개인정보가 애초에 외부로 나가지 않아도 된다는 뜻이기도 하다.

방 안에서 별다른 설명 없이도 곧바로 용도를 알아본 반응은, 이 커뮤니티 안에서 PII 마스킹이라는 문제의식이 이미 익숙한 화두라는 점을 시사한다. 크기와 성능을 맞바꾸지 않고 둘 다 잡은 결과물이 실제 허깅페이스에 공개돼 누구나 내려받을 수 있다는 점도, 이 소식이 방 안에서 가볍게 지나가지 않은 이유로 보인다.

이런 결과물이 사설 서비스가 아니라 허깅페이스라는 공개 플랫폼에 곧바로 올라왔다는 점도 짚을 만하다. 누구든 내려받아 검증하고 자신의 서비스에 붙여볼 수 있는 형태로 공유됐다는 건, 방 안의 기술 교류가 아이디어 차원을 넘어 실제로 쓸 수 있는 결과물 교환으로 이어지고 있다는 뜻이다. 성능을 유지하면서 크기만 줄이는 경량화 작업은 손이 많이 가는 만큼, 그 결과를 곧바로 커뮤니티에 공개한 태도 자체도 눈에 띈다.

짧은 몇 마디 안에 기술적 정보가 압축돼 오간 것도 이 대화의 특징이다. 링크 하나, 용도 한 줄, 수치 한 줄로 끝난 소개였지만, 그 안에는 경량화 비율과 성능 변화, 활용 가능성까지 필요한 정보가 다 담겨 있었다. 군더더기 없는 공유 방식은 이 방이 기술적 결과물을 다루는 데 이미 익숙해져 있다는 인상을 준다.