연합학습

영어	Federated Learning
분류	분산 학습
특징	데이터 비공유, 프라이버시
개발	Google (2016)

'''연합학습'''(Federated Learning)은 원본 데이터를 중앙으로 모으지 않고 분산된 장치에서 AI 모델을 학습하는 기술입니다. == 개요 == 연합학습은 2016년 Google이 발표한 분산 학습 방법입니다. 각 장치(스마트폰, 병원 등)에서 로컬 데이터로 학습하고, 모델 업데이트만 중앙에 전송합니다. 데이터 프라이버시를 보호하면서 협력 학습이 가능합니다. == 작동 원리 == # 중앙 서버가 초기 모델 배포 # 각 클라이언트가 로컬 데이터로 학습 # 모델 업데이트(그래디언트)만 서버로 전송 # 서버에서 업데이트 집계 (FedAvg 등) # 개선된 모델 다시 배포 # 반복 == 유형 == === 수평적 연합학습 === * 동일 특성, 다른 샘플 * 예: 여러 병원의 동일 진단 데이터 === 수직적 연합학습 === * 동일 샘플, 다른 특성 * 예: 은행 + 전자상거래 === 연합 전이학습 === * 다른 특성, 다른 샘플 * 도메인 적응 == 활용 분야 == === 모바일 === * 키보드 예측 (Gboard) * 사진 분류 * 개인화 === 의료 === * 다기관 협력 * 환자 프라이버시 * 희귀 질환 연구 === 금융 === * 사기 탐지 * 신용 평가 * 규제 준수 === IoT === * [[에지 AI]] * 스마트 시티 * 산업 IoT == 알고리즘 == === FedAvg === * 가중 평균 * 기본 알고리즘 * Google 제안 === FedProx === * 이질성 대응 * 근접 항 추가 === SCAFFOLD === * 분산 보정 * 빠른 수렴 == 도전 과제 == === 통신 효율 === * 대역폭 제한 * 압축 기법 === 이질성 === * 비IID 데이터 * 장치 성능 차이 === 보안 === * 모델 역추론 공격 * 차등 프라이버시 == 도구 == * TensorFlow Federated * PySyft * FATE * Flower == 관련 문서 == * [[에지 AI]] * [[딥러닝]] * [[프라이버시]] * [[분산 시스템]] [[분류:인공지능]] [[분류:기계학습]] [[분류:프라이버시]] [[분류:분산 컴퓨팅]]