제134회 정보관리기술사 2교시 4번 — 연합학습(Federated Learning)과 엣지 AI 프라이버시

연합학습(Federated Learning, FL)은 데이터를 중앙 서버로 전송하지 않고, 각 클라이언트(엣지 디바이스·기관)에서 로컬 학습 후 모델 파라미터(가중치)만 공유하는 분산 머신러닝 패러다임입니다.

1-1. 기존 중앙집중 학습의 문제

• 개인정보·규제: GDPR·PIPA 등으로 의료·금융 데이터 반출 불가
• 통신 비용: 대규모 원시 데이터 중앙 전송은 네트워크 부담 과중
• 데이터 사일로: 기관 간 데이터 공유 불가로 편향된 모델 학습

2-1. FedAvg(Federated Averaging) 알고리즘

2-2. 연합학습 유형

3-1. 차분 프라이버시(Differential Privacy)

로컬 업데이트에 Gaussian/Laplace 노이즈 추가 → 개별 데이터 역추적 방지. ε (엡실론) 값으로 프라이버시-정확도 트레이드오프 조절.

3-2. 보안 집계(Secure Aggregation)

비밀 공유(Secret Sharing) 또는 동형 암호(HE)를 사용하여 중앙 서버도 개별 클라이언트 업데이트를 볼 수 없도록 집계합니다.

3-3. 신뢰 실행 환경(TEE)

Intel SGX·ARM TrustZone으로 엔클레이브 내 학습 수행 → 메모리 도청 방지.