인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
인공지능(AI) 분야에서는 분산 저장된 데이터를 직접 공유하지 않으면서 서로 협력하여 인공지능 모델을 학습할 수 있는 연합학습(FL: Federated Learning)이라는 분산형 머신러닝 기법이 부각되고 있다. 특히, P2P(Peer to Peer) 네트워크에서 가십 프로토콜을 기반으로 연합학습을 수행하는 경우 트래픽 분산뿐만 아니라 각 클라이언트의 로컬 데이터를 이용하여 학습을 더 효율적으로 수행할 수 있다. 그러나, 연합학습은 일반적으로 신뢰성이 보장되지 않기 때문에 중요정보 유출 등과 같은 보안 위험이 발생할 수 있다. 본 논문은 P2P 연합학습 과정에서 정보보호측면에서 발생할 수 있는 문제들을 해결하기 위해 2-패스 상호인증 기반의 안전한 푸시-풀 결합 가십(push-pull hybrid Gossip) 프로토콜을 제안한다. 이것은 한 번의 푸시(Push)와 풀(pull) 과정으로 송신자가 논스(NONCE) 값을 생성, 수신자와 공유함으로써 상호인증, 무결성 및 기밀성을 제공할 수 있어, P2P 네트워크 환경에서 각 클라이언트 간 신뢰 관계를 보장하게 되며 해당 클라이언트들은 수신 암호문을 복호화하여 추출한 모델 W들을 기반으로 집계된 정확한 모델 Wagg을 생성할 수 있다. 이 연구 결과는 향후 P2P 네트워크 환경에서 효율적인 통신뿐만 아니라 안전성과 정확성을 고려한 차세대 연합학습 전략으로 발전할 수 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
