728x90
반응형

federated learning 4

FedAvg (Federated Averaging)

개요FedAvg(Federated Averaging)는 분산 환경에서 여러 클라이언트 장치가 로컬 데이터를 활용해 독립적으로 모델을 학습하고, 서버가 각 모델의 가중치를 평균하여 전역 모델(Global Model)을 갱신하는 연합 학습(Federated Learning)의 핵심 알고리즘입니다. 개인정보 보호와 대규모 분산 학습 환경에 적합한 방식으로, Google이 2016년 발표한 알고리즘입니다.1. 개념 및 정의FedAvg는 각 디바이스(클라이언트)에서 로컬 데이터를 기반으로 부분적으로 학습한 모델 파라미터를 중앙 서버에 전송하고, 이를 평균화하여 공유 모델을 업데이트하는 방식입니다.연합 학습(Federated Learning): 데이터는 로컬에 남기고 모델만 공유가중 평균(Weighted Avera..

Topic 2025.06.01

Federated Reinforcement Learning (FRL)

개요Federated Reinforcement Learning(FRL)은 여러 에이전트가 로컬 환경에서 학습한 강화학습 정책(Policy)을 중앙 서버로 공유하고 통합함으로써, 전체 시스템의 학습 성능을 향상시키면서도 사용자 데이터는 로컬에 보존하는 프라이버시 중심의 학습 프레임워크입니다. FRL은 스마트 디바이스, 자율주행, 산업 로봇, 의료 시스템 등 민감 데이터를 포함한 분산 환경에서 안전하고 효율적인 AI 학습을 가능하게 합니다.1. 개념 및 정의 항목 설명 비고 정의각 에이전트가 로컬 환경에서 강화학습을 수행하고, 정책 또는 파라미터를 중앙 서버에 공유하여 집합적 학습을 수행하는 프레임워크FL(Federated Learning) + RL(Reinforcement Learning) 결합목적데이..

Topic 2025.05.30

PETs Marketplace (Privacy-Enhancing Technologies Marketplace)

개요PETs Marketplace는 개인정보보호 강화 기술(PETs, Privacy-Enhancing Technologies)을 기반으로 데이터 공유와 분석을 안전하게 수행할 수 있도록 지원하는 데이터 거래 플랫폼입니다. 민감한 데이터를 노출하지 않고도 데이터 활용 가치를 극대화할 수 있어, 금융, 의료, 공공 분야를 중심으로 데이터 경제 활성화와 개인정보 보호를 동시에 추구하는 새로운 패러다임으로 주목받고 있습니다.1. 개념 및 정의 항목 내용 정의데이터 소유자와 소비자가 개인정보보호 강화 기술을 활용하여 안전하게 데이터를 거래하고 분석할 수 있도록 지원하는 플랫폼목적개인정보 노출 없이 데이터 가치를 실현하여 데이터 경제를 활성화필요성데이터 규제 강화(GDPR, CCPA 등)와 데이터 활용 수요 증가..

Topic 2025.05.05

페더레이티드 러닝(Federated Learning)

개요페더레이티드 러닝(Federated Learning, FL)은 개별 디바이스나 서버에서 데이터를 로컬로 학습하고, 중앙 서버와 모델 업데이트만 공유하는 분산형 머신러닝 기법입니다. 이는 개인정보 보호, 데이터 보안, 네트워크 비용 절감 등의 장점을 제공하며, 모바일 AI, 의료 데이터 분석, IoT 디바이스 학습 등 다양한 분야에서 활용되고 있습니다.1. 페더레이티드 러닝이란?페더레이티드 러닝은 데이터를 중앙 서버로 모으지 않고, 각 디바이스에서 로컬 모델을 학습한 후, 모델의 가중치만 중앙 서버로 전송하여 전체 모델을 업데이트하는 방식입니다.1.1 페더레이티드 러닝의 핵심 개념분산 학습(Distributed Learning): 여러 디바이스에서 병렬로 모델을 학습데이터 프라이버시 보호: 원본 데이터..

Topic 2025.03.07
728x90
반응형