Research on Robust Federated Learning for AI-Based IoT Edge Computing: Addressing Domain Imbalance and Security Vulnerabilities
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(유형B)
2026년
2710097687
과학기술정보통신부
한국연구재단
한국과학기술원
김대영
21명
2026.03.01 ~ 2027.02.28
2025.03.01 ~ 2028.02.29
2.3억원
2.3억원
기초연구
대학
대전광역시 유성구
정보/통신 > 정보이론 > 인공지능
본 연구는 AI 기반 IoT 엣지 컴퓨팅 분야에서 안전하고 효율적인 연합학습 프레임워크 기술을 개발하는 것을 목표로 함. 구체적으로, IoT 디바이스의 이기종 운영환경에서 발생하는 도메인 및 데이터 편향, 클라이언트 간 데이터 이질성, 그리고 보안 위협이라는 세 가지 핵심 문제를 해결하고자 함. 이를 위해 부분학습 기법을 도입하여 글로벌 모델의 전반적 성능...
- 연합 학습 프레임워크 설계와 구현을 통해 신경망 내 활성도를 분석하고, 추론에 영향을 미치지 않는 노드와 가중치를 선택하는 기술과 함께 로컬 데이터와 자원 제약에 맞춰 신경망 구조와 학습 노드를 동적으로 조정하는 기술을 연구하며, 데이터 불균형과 디바이스 편차를 고려한 모델의 학습 안정성과 적응 능력을 평가하는 기술을 개발한다.- 데이터 대표성 및 정보...
1) 연구과제의 활용방안 본 연구에서 개발하는 이질적인 산업 생태계 지원 및 백도어 공격에 강건한 IoT 연합학습 프레임워크는 다양한 산업 분야에서 활용될 수 있음. 자율주행 자동차 분야에서는 차량이 운행하는 지역 특성을 반영한 지속가능한 데이터 학습 최적화를 지원하며, 강화된 데이터 보안을 통해 안전한 주행 환경 구축이 가능함. 로봇 산업에서는 산업용 및...