초록 ▼

□ 연구개요
본 연구는 데이터가 분산되어 있는 상황에서 데이터의 중앙화 없이 데이터에 존재하는 개인 정보를 보호하면서 딥러닝 모델을 학습할 수 있는 연합학습 플랫폼 개발을 목표로 하며, 기존의 연합학습 방법론을 딥러닝 모델의 특성에 알맞게 개선 및 고도화하고 리얼월드 데이터에 적용 가능한 형태로 플랫폼화 하는 방향을 추구한다.

□ 연구 목표대비 연구결과
본 연구는 네 가지 연차별 세부 목표를 바탕으로 진행되었으며, 각 연차별로 세부목표를 충실히 달성하였음.
● 1차년도: 로컬 데이터로 학습된 로컬 딥러닝

□ 연구개요
본 연구는 데이터가 분산되어 있는 상황에서 데이터의 중앙화 없이 데이터에 존재하는 개인 정보를 보호하면서 딥러닝 모델을 학습할 수 있는 연합학습 플랫폼 개발을 목표로 하며, 기존의 연합학습 방법론을 딥러닝 모델의 특성에 알맞게 개선 및 고도화하고 리얼월드 데이터에 적용 가능한 형태로 플랫폼화 하는 방향을 추구한다.

□ 연구 목표대비 연구결과
본 연구는 네 가지 연차별 세부 목표를 바탕으로 진행되었으며, 각 연차별로 세부목표를 충실히 달성하였음.
● 1차년도: 로컬 데이터로 학습된 로컬 딥러닝 모델에서 도출한 요인 표현을 조화롭게 결합하는 연합학습 프레임워크 제안
- 연합학습 참여자의 로컬 딥러닝 모델 학습 과정에서 얻어지는 로컬 요인 표현들이 로컬 데이터의 민감 정보를 유출하지 않도록 안전하게 압축하는 방법과 더불어, 서로 다른 로컬 요인 표현들을 조화롭게 결합하는 연합학습 프레임워크를 제안함.
● 2차년도: 로컬 데이터로 계산된 중간 통계값들로 글로벌 딥러닝 모델을 연합학습하는 프레임워크 제안
- 연합학습 참여자의 로컬 딥러닝 모델 학습 과정에서 얻어지는 중간 통계값들 중 민감한 정보에 특히 취약한 부분을 효율적으로 보호하면서 이상적인 성능을 달성할 수 있는 연합학습 프레임워크를 제안함.
● 3차년도: 개인정보보호가 보장되는 연합학습 프레임워크 제시
- 단일 딥러닝 모델을 학습하는 기존 연합학습 형태에서 나아가, 연합학습 참여자 개개인에게 맞춤형 모델을 제공할 수 있는 개인화 연합학습 프레임워크를 제안함.
● 4차년도: 리얼월드 데이터로의 적용 및 개인정보보호가 보장되는 연합학습 플랫폼 구축 방안 논의
- 연합학습 상황에서 쉽게 간과되는 참여자 간 성능 불균형 문제를 해결하기 위해 이론적, 실증적 프레임워크를 제안하고, 해당 프레임워크를 기관 간, 기기간 연합학습 특성에 맞게 세분화하여 광범위한 리얼월드 데이터에 대해 검증을 진행함.

□ 연구발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구를 통해 구축한 연합학습 관련 기술 및 개발 노하우는 선행기술로써 가치가 매우 크며, 개인 정보 보호가 가능한 딥러닝 분산 학습을 위한 원천기술로써 유관 연구 또는 서비스 개발을 위한 지침이 될 수 있을 것임. 특히, 연합학습 프레임워크 개발 및 검증을 위한 실험 프로토콜 및 구현 지식 등은 귀중한 연구 자산으로 4차산업 혁명 시대에 주목 받고 있는 인공지능 기술의 실증적 활용과 밀접한 관련이 있으며 중요함.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 11
• 1) 정성적 연구개발성과(연구개발결과) ... 11
• 2) 세부 정량적 연구개발성과 ... 11
• 3) 목표 달성 수준 ... 11
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 12
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• 끝페이지 ... 35