메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박희원 (숭실대학교) 김미르 (숭실대학교) 권민혜 (숭실대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제11호
발행연도
2023.11
수록면
1,387 - 1,398 (12page)
DOI
10.7840/kics.2023.48.11.1387

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
엣지 디바이스 기술의 발전과 상용화로 인해 방대한 양의 분산된 데이터가 증가하고 있으며, 이와 함께 연합학습은 분산된 데이터 환경에 적합한 인공지능 학습 기술로 활발히 연구되고 있다. 연합학습은 여러 디바이스에 위치한 데이터의 노출 없이 인공지능 모델을 학습할 수 있는 기술이다. 하지만 기존 연합학습 방식은 데이터 분포의 특성이 상이한 디바이스가 학습에 참여할 시 개별 데이터에 최적화된 모델을 만들 수 없다는 점과 비잔틴 공격에 취약하다는 한계가 있다. 이러한 한계점들을 극복하기 위하여 본 논문에서는 새로운 부분공유 알고리즘을 제안한다. 부분공유 알고리즘은 각 디바이스의 로컬 모델을 개인화 부분과 공유 부분으로 나눈 후 학습을 진행한다. 이는 각 디바이스가 개별 데이터 특성에 최적화된 모델을 만들 수 있게 하며, 잠재적인 공격으로부터 공유 부분만을 노출함으로써 공격에 강건한 모델을 생성할 수 있다. 본 논문에서 실험을 통하여 제안하는 알고리즘의 개인화 측면과 공격에 대한 강건성 측면에 대한 성능이 다른 기존 연합학습 알고리즘보다 우수함을 확인하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 선행연구
Ⅲ. 본론
Ⅳ. 실험 결과
Ⅴ. 결론
References

참고문헌 (18)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088354898