2nd/10_Wiki/Topics/AI/Federated-Learning.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AI-FEDERATED-LEARNING	10_Wiki/💡 Topics/AI	0.96	AI FederatedLearning Privacy EdgeComputing	2026-04-20

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.

📖 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.

⚠️ 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.

🔗 지식 연결 (Graph)

• Related: Differential-Privacy , Edge-AI
• Problem: Data-Security-in-AI