연합학습(FL, Federated Learning), 엣지 컴퓨팅(Edge Computing)

Technology/Issue

---

연합학습(FL, Federated Learning)

요약

• 지금까지는 인공지능을 학습하기 위한 데이터를 모두 한 곳에 모아 모델이 학습하게 했음
• 연합학습(FL)은 기존의 방법과 달리, 학습할 데이터가 있는 곳으로 모델을 보냄(온디바이스 방식의 AI 학습)
  • 기존에 보유하고 있던 데이터로 학습된 모델을 '마스터 모델(Master Model)이라고 함
  • 연합학습은 이 마스터 모델을 본뜬 모델들을 학습할 데이터가 있는 곳(저장소)으로 보냄
  • 각 저장소에서 새롭게 학습된 모델은 업데이트 된 내용을 서버로 전송하고, 이를 기반으로 마스터 모델이 업데이트 됨
• 이 방법은 데이터가 서버로 전송될 필요가 없어 프라이버시 문제를 해결할 수 있을 것으로 봄
  • ex. 스마트폰(저장소)로 보내진 모델이 사용자의 데이터를 이용해 학습하지만, 그 데이터는 서버로 전송되지 않음

참고 자료

• 빅데이터 프라이버시 문제 해결할 인공지능 기술
• 구글, AI 학습도 '온디바이스'로...

---

IT Keyword

---

엣지 컴퓨팅(Edge Computing)

• 스마트폰과 같이 데이터가 있는(발생되는) 곳에서 데이터를 처리하는 방식
  • 데이터 센터에서 데이터 처리(저장, 분석 등)를 하는 클라우드 컴퓨팅(ex. 네이버의 N드라이브)과 반대되는 개념
  • 이용자 증가로 인해 처리해야할 데이터가 늘어나면서 발생한 처리 속도 지연, 보안 등의 문제를 해결하기 위한 방법
• 엣지 컴퓨팅의 장점
  1. 데이터 부하 감소: 해당 위치에서 발생하는 데이터만 처리
  2. 지연 감소: 클라우드로 데이터를 전송하는 과정없이 바로 처리 가능
  3. 보안: 클라우드로 데이터를 전송할 필요가 없어 보안성이 좋음
  4. 장애: 클라우드 서버 장애에 영향을 받지 않음

참고 자료

• 엣지컴퓨팅

---