chore(wiki): reinforce knowledge batch #6-#10 (200 docs milestone)

10_Wiki/Topics/AI/Federated-Learning.md

@@ -1,28 +1,30 @@
 ---
-id: P-REINFORCE-AI-FEDERATED-LEARNING
+id: FED-LEARN-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.96
-tags: [AI, FederatedLearning, Privacy, EdgeComputing]
-last_reinforced: 2026-04-20
+confidence_score: 1.0
+tags: [ai, machine-learning, federated-learning, privacy, distributed-computing]
+last_reinforced: 2026-04-26
 ---
 
-# [[Federated-Learning]] (연합 학습)
+# [[Federated Learning (연합 학습)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "데이터는 각자가 갖고, '배운 지식'만 클라우드에서 합친다." 개인정보가 담긴 데이터를 중앙 서버로 전송하지 않고, 기기 단에서 학습한 모델의 파라미터(Weight)만 동기화하여 프라이버시를 완벽히 보호하는 분산 학습법이다.
+> "데이터는 각자의 자리에 두고, 지능(모델)만을 이동시켜 함께 성장하라" — 원본 데이터를 중앙 서버로 수집하지 않고, 분산된 여러 장치(Edge)에서 모델을 학습시킨 후 학습된 가중치(Gradient)만을 모아 전역 모델을 업데이트하는 프라이버시 보호형 분산 학습 기술.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **Process**:
-    1. 중앙 서버가 기본 모델을 각 기기에 배포.
-    2. 기기는 자신의 로컬 데이터를 사용하여 모델을 개별 학습.
-    3. 학습된 '가중치 변화량'만 서버로 전송 (원본 데이터는 기기에 잔류).
-    4. 서버는 여러 기기에서 온 지식을 평균(Federated Averaging) 내어 모델 업데이트.
-- **Advantages**: 개인정보 유출 리스크 전면 차단, 데이터 전송 비용 절감.
-- **Use Cases**: 구글 키보드 오타 교정, 의료 데이터 협업 학습, 자율주행 차량 간 지식 공유.
+- **추출된 패턴:** "데이터의 이동" 대신 "모델의 이동"을 통해 개인정보 유출 리스크를 원천 차단하고, 파편화된 로컬 데이터를 활용하여 더 강력한 공용 모델을 구축하는 상생형 협업 패턴.
+- **작동 프로세스:**
+    1. 중앙 서버가 초기 모델을 모든 참여 단말기에 배포.
+    2. 각 단말기는 자신의 로컬 데이터로 모델을 학습.
+    3. 학습된 결과(가중치 업데이트값)만 서버로 전송.
+    4. 서버는 전송받은 결과들을 집계(Aggregation)하여 전역 모델 업데이트.
+    5. 업데이트된 모델을 다시 단말기에 배포 (반복).
+- **장점:** 강력한 개인정보 보호, 네트워크 대역폭 절감, 실시간 사용자 경험 데이터 활용 가능.
 
-## ⚠️ 모순 및 업데이트 (RL Update)
-- 모델 가중치 자체를 역추적하여 거꾸로 원본 데이터를 복원하는 공격(Inversion Attack) 기법이 등장했다. 이를 막기 위해 '차분 프라이버시(Differential Privacy)'와 같은 노이즈 주입 기술이 연합 학습의 필수 짝꿍으로 연구되고 있다.
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- **과거 데이터와의 충돌:** 대규모 데이터를 모으는 것이 AI 성능의 전제조건이라는 믿음을 깨고, 데이터 공유 없이도 고성능 모델 학습이 가능함을 입증.
+- **정책 변화:** Antigravity 프로젝트는 향후 사용자의 개인적인 위키 지식을 학습에 반영할 때, 보안을 최우선으로 하기 위해 연합 학습 아키텍처 도입을 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Differential-Privacy]] , [[Edge-AI]]
-- Problem: [[Data-Security-in-AI]]
+- [[Data-Ethics-and-Privacy]], [[Edge-AI-and-Computing]], [[Distributed-Computing]], [[Trustworthy-AI]]
+- **Raw Source:** [[10_Wiki/Topics/AI/Federated-Learning.md]]