수상·소식
- 관리자
- 2023.11.09
- 276
김홍석 교수 연구팀,
국제 최상위 저널 IEEE Transactions on Industrial Informatics 논문 게재
▲(왼쪽부터) 김홍석 교수, 강희주 석사과정, 김민수 석박통합과정, 이범석 졸업생
본교 전자공학과 강희주 석사과정, 김민수 석박사통합과정, 이범석 석사졸업생(지도교수 김홍석)의 논문이 국제 최상위 저널인 IEEE Transactions on Industrial Informatics(2022년 발표 기준 JCR Impact Factor 11.2, 상위 2.3%)에 게재 승인되었다.
연합학습은 인공지능의 최신 트렌드 중 하나로 데이터 프라이버시를 보장하는 인공지능통신 기술이다. 특별히, 여러 모바일 기기에서 개인 데이터를 사용해 모델 학습을 진행하고, 학습된 모델만 서버로 전송하여 성능을 향상시키면서 개인 데이터의 전송은 학습 중에 일어나지 않아 개인 프라이버시를 보존할 수 있다.
본 논문에서는 분산 최적화에서 널리 쓰이는 Alternative Direction Method of Multiples (ADMM) 방식을 클라이언트의 부분 참여가 이루어지는 연합학습에 적용하여, 부분 참여에서 발생하는 서버 드리프트를 없애는 알고리즘인 FedAND를 제안하였다. 이를 통해 클라이언트 부분 참여와 통계적인 불균형 상황에서도 기존 성능을 압도하는 높은 정확성을 달성하였다.
제안된 FedAND는 다양한 분야에서 데이터 프라이버시 문제를 해결하였고, 특히 의료, 금융 분야에서 연합학습을 통해 맞춤형 모델을 개발하는데 활용될 수 있다. 뿐만 아니라 에너지ICT 분야와 같이 서로 다른 위치에서 수집된 데이터를 직접 공유하지 않으면서 최적의 솔루션을 찾는 과정에서 유용하게 활용될 수 있어 그 적용성이 매우 크다고 하겠다.
▲FedAND대표도
- 논문명: FedAND: Federated Learning Exploiting Consensus ADMM by Nulling Drift
- 저널명: IEEE Transactions on Industrial Informatics (IF 11.2, JCR 상위 2.3%)
- 저자명: 강희주(서강대), 김민수(서강대), 이범석 (POSCO), 김홍석(서강대)