Systems
간결하게: 신뢰할 수 없는 클라이언트를 포함한 연합 학습의 내결함성 평가
Author
Venue
IEEE Cloud 2023
Abstract
신흥 인공지능(AI) 기법인 연방 학습(FL)은 각 기기의 로컬 훈련 데이터를 노출하지 않고도 여러 기기에 걸쳐 분산된 모델 훈련을 가능하게 합니다. FL은 학계와 산업계 모두에서 점점 더 인기를 얻고 있습니다. FL의 내결함성을 개선하기 위한 연구들이 제안되어 왔으나, 실제 응용 환경에서 신뢰할 수 없는 기기(예: 연결 끊김, 잘못된 구성, 낮은 데이터 품질)가 미치는 실질적인 영향은 충분히 조사되지 않았습니다. 우리는 FL의 내결함성을 더 잘 분석하기 위해 클라이언트 수가 제한된 두 가지 대표적인 실제 분류 문제를 신중하게 선정했다. 직관과 달리, 단순한 FL 알고리즘은 신뢰할 수 없는 클라이언트가 존재하더라도 놀라울 정도로 우수한 성능을 보일 수 있다
