Privacy Preserving and Resource Efficient Federated Learning for Mobile Crowdsourcing
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(유형B)
2026년
2710099029
과학기술정보통신부
한국연구재단
숭실대학교
CHOI BONG JUN
12명
2026.03.01 ~ 2027.02.28
2025.03.01 ~ 2029.02.28
2.9억원
2.9억원
기초연구
대학
서울특별시 동작구
정보/통신 > 정보이론 > 인공지능
본 과제에서는 데이터를 가지고 있는 기관/개인과 데이터를 활용한 학습 모델이 필요한 기관/개인을 안전하고 효율적으로 연결할 수 있는 연합 학습 기반의 모바일 크라우드소싱 시스템 연구를 제안함. 연합 학습의 모바일 크라우드소싱 적용시 연합 학습을 통해 사용자 데이터 프라이버시를 일정 수준 보장할 수는 있으나 제한적인 자원, 이질적인 모바일 클라이언트 기능 및...
1-2차년도에는 모델 모듈화와 다중 작업 학습 모델 개발을 통해 확장성 증가와 비효율성 감소를 위한 새로운 구조의 알고리즘 개발을 중점적으로 수행 예정이며, 이후 3-4차년도에는 1-2차년도에서 연구를 확장하여 크라우드소싱 응용에 유용한 다양한 유형의 개인화 모델 설계와 최적화를 진행할 계획임. 마지막으로 과제를 통해 개발된 알고리즘들을 실제 모바일 환경에...
1) 연구과제의 활용 분야 및 활용 방안- 다양한 활용 분야: 사용자의 민감한 데이터를 활용한 학습 모델을 필요로 하는 공공기관, 개인사업자, 대기업, 정부, 연구소, 대학 등 데이터 기반 AI 학습이 필요한 다양한 영역에 활용 가능함. 2) 연구과제의 기대효과- 모바일 장비의 학습 부담 감소: 모델 모듈화 기법 및 모델 압축 기법을 통해 연합 학습에서 클...