- 글번호
- 828985
컴퓨터공학부 학생팀 SCIE 저널 논문 게재
- 작성자
- 컴퓨터공학부
- 조회수
- 3072
- 등록일
- 2023.02.14
- 수정일
- 2024.02.13
공과대학 컴퓨터공학부 학부생팀이 SCIE급 저널인 Electronics, vol 12, issue 4, 2023년 2월 8일자에 연구논문을 게재하였습니다.
2022년부터 연구 장학생으로 수행한 연구 결과를 논문으로 작성하였으며, 주요 내용은 다음과 같습니다.
논문 제목: Cluster-based Secure Aggregation for Federated Learning
저자: 김지은 (컴공 19), 박건령 (컴공 19), 김미승 (컴공 19), 박소영 (지도교수)
논문 초록:
Model inversion공격으로부터, 각 노드의 로컬 학습 파라미터를 보호하기 위해서는, 연합 학습 서버가 모든 로컬 파라미터들의 집계 결과만 알 수 있도록 하는 보안 집계 기술이 반드시 필요하다. 본 논문에서는 훈련 데이터의 양이 상이하고, 컴퓨팅 성능도 상이한 이기종 단말들로 구성되는 연합 학습 환경에서, dropout 탐지에 대한 정확도와 연합 학습 결과의 정확도를 높이고, 연합 학습을 위한 집계 지연 시간 (latency)과 communication overhead를 줄이는 새로운 클러스터 기반 보안 집계 모델을 제안하였다.각 노드의 로컬 처리 시간과 위치를 기반으로 서버로의 응답시간이 유사한 노드들을 클러스터링한 다음, 클러스터 기반으로 집계를 수행한다. 또한, dropout 노드를 효과적으로 처리하고, 각 로컬 모델 파라미터의 프라이버시를 보장하는 새로운 마스킹 기법을 제안하였다. 노드들은 집계를 수행하기 전에, 전달받은 마스크의 정확성과 무결성을 검증할 수 있으므로 신뢰할 수 있는 집계를 보장한다. 또한, 마스킹 프로세서가 클러스터 기반으로 수행되므로 마스크 생성 및 공유를 위한 오버헤드를 효과적으로 줄인다.
논문 링크: https://www.mdpi.com/2079-9292/12/4/870
2022년부터 연구 장학생으로 수행한 연구 결과를 논문으로 작성하였으며, 주요 내용은 다음과 같습니다.
논문 제목: Cluster-based Secure Aggregation for Federated Learning
저자: 김지은 (컴공 19), 박건령 (컴공 19), 김미승 (컴공 19), 박소영 (지도교수)
논문 초록:
Model inversion공격으로부터, 각 노드의 로컬 학습 파라미터를 보호하기 위해서는, 연합 학습 서버가 모든 로컬 파라미터들의 집계 결과만 알 수 있도록 하는 보안 집계 기술이 반드시 필요하다. 본 논문에서는 훈련 데이터의 양이 상이하고, 컴퓨팅 성능도 상이한 이기종 단말들로 구성되는 연합 학습 환경에서, dropout 탐지에 대한 정확도와 연합 학습 결과의 정확도를 높이고, 연합 학습을 위한 집계 지연 시간 (latency)과 communication overhead를 줄이는 새로운 클러스터 기반 보안 집계 모델을 제안하였다.각 노드의 로컬 처리 시간과 위치를 기반으로 서버로의 응답시간이 유사한 노드들을 클러스터링한 다음, 클러스터 기반으로 집계를 수행한다. 또한, dropout 노드를 효과적으로 처리하고, 각 로컬 모델 파라미터의 프라이버시를 보장하는 새로운 마스킹 기법을 제안하였다. 노드들은 집계를 수행하기 전에, 전달받은 마스크의 정확성과 무결성을 검증할 수 있으므로 신뢰할 수 있는 집계를 보장한다. 또한, 마스킹 프로세서가 클러스터 기반으로 수행되므로 마스크 생성 및 공유를 위한 오버헤드를 효과적으로 줄인다.
논문 링크: https://www.mdpi.com/2079-9292/12/4/870