연합학습 (Federated Learning)

1. 연합 학습 (Federated Learning)의 개요

가. 연합학습의 정의

-분산된 로컬 데이터를 한 곳으로 모으지 않고 다양한 장치, 기관 등에서 독립적으롤 데이터를 처리하는 기술

 

나. 연합학습의 특징

-(구글) 차세대 AI 학습 방법으로 제시한 모델

-(엣지 단말), 다양한 엣지 단말에 적용이 가능한 학습 모델, 

-(정보보호), 데이터 보호가 필요한 의료, 금융, 스마트 홈 등 영역에 적용 가능

 

2. 연합학습의 개념도 및 구성요소

가. 연합학습의 개념도

-엣지 컴퓨팅 기술의 발전과 대용량의 데이터가 지속적으로 증가

 

나. 연합학습의 구성요소

구분	기술	설명
엣지 컴퓨팅	엣지 컴퓨팅 방식 활용 단말 데이터 학습 하이브리드 컴퓨팅	연산처리를 중앙에 아닌 개인 단말에서 처리
영지식 증명 알고리즘	완전성, 건전성, 영지식	직접적인 정보를 주지 않고 작업 처리
중앙 컴퓨팅	통신 지연, 보안 문제 극복	중앙에서 학습 결과 취합, 더 정교한 모델 생성 및 재배포

 

3. 연합학습의 전망

-정보보호와 데이터 소유권의 무분별한 사용 문제를 해결할 수 있는 보안적 측면

-서로 다른 환경의 데이터를 중앙으로 수집하지 않고 개별 학습할 수 있는 기능적 측면

-보안적 측면과 기능적 측면의 장점으로 그 활용 범위가 더 확대될 것으로 기대