Coded Verifiable Unlearning and Learning-Security Co-evolution for Lifelong Trustworthy AI-native 6G
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113025
과학기술정보통신부
한국연구재단
충남대학교
양희철
5명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2031.08.31
6,273만원
6,273만원
기초연구
대학
대전광역시 유성구
정보/통신 > 무선 통신·네트워크 > 무선·이동통신 시스템
1. 연구 필요성: 왜 언러닝 및 학습-보안 공진화 기술이 무선 AI 시스템에서 필수인가- (오염 복구의 불가피성과 Green ICT 요구) 분산학습에서 비잔틴·데이터중독·백도어 공격은 학습 완료 후 탐지되는 경우가 지배적이며, 무선 환경의 잡음·간섭으로 확실한 공격 검출이 불가능함- (채널 환경 변화와 모델 drift 문제 해결) 과거 채널 분포에서 학습...
... 잡음·페이딩은 그래디언트 전송을 왜곡하여 언러닝 완전성 보장을 어렵게 하는 난점인 동시에, 특정 조건 하에서 DP 메커니즘과 유사하게 활용 가능한 자연 잡음원임. 두 관점을 상황에 따라 동적으로 전환하는 설계가 본 연구의 방법론적 축이며, 활용은 채널 상태·프라이버시 요구의 정량 관계 조건으로 제한- (정보이론의 언러닝 확장) 연구책임자의 대표업적인 부호화 분산 연산을 \"부호화 그래디언트 ...
... 규격화 논의의 학술 선행 결과 제공2. 연구과제의 기대효과- (무선 AI 신뢰성 패러다임 전환) \"학습 과정 방어\" 중심에서 \"학습-망각-검증-유지\"의 순환을 통한 전주기 신뢰성 확보 패러다임으로의 ... 학습-망각-검증 프레임은 향후 AI-native 6G 신뢰 계층 설계의 학술적 기초로 활용 가능- (디지털 신뢰 사회 토대 구축) 신뢰성 높은 분산 AI의 다양한 응용(자율주행·엣지 AI·지능형 서비스) ...