Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.590-591
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Research on efficient model transfer of federated learning in 5G MEC blockchain

MEC 블록체인에서 연합학습의 효율적인 모델 전송 연구

  • Bo-Chan Kang (Dept. of Software and Communications Engineering, Hongik University) ;
  • Dong-Oh Kim (Electronics and Telecommunications Research Institute)
  • 강보찬 (홍익대학교 소프트웨어융합학부 ) ;
  • 김동오 (한국전자통신연구원 입체통신연구소 )
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

최근에 개인 데이터의 프라이버시가 중요해 지면서, 딥러닝 분야에서 개인 데이터 프라이버시 보호할 수 있는 연합학습 기술이 주목받고 있다. 특히 5G MEC나 블록체인 환경과 같이 통신 부하 및 지연 시간이 중요한 영역에서 연합학습 모델의 전송 비용 감소에 관한 연구가 활발히 진행 중이다. 본 논문에서는 연합학습 과정에서 효율적인 모델 전송을 위해 레이어 단위로 모델을 전송하는 기법을 제안한다. 실험 결과를 통해, 레이어 단위로 전송함으로써, 전송 데이터는 66% 줄어들 수 있지만, 정확도 변화는 1% 이내임을 확인하였다.

Keywords

Acknowledgement

이 논문은 2022년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임 (No.2022-0-00088, MEC 에지 클라우드 기반 초저지연 블록체인 서비스 플랫폼 핵심 기술개발)

References

  1. Mcmahan B., "Federated Learning: Collaborative MachineLearning without Centralized Training Data", Google AI Blog, 2017.
  2. Liu, Yang, et al., "Fedvision: An online visual object detection platform powered by federated learning," Proceedings of the AAAI conference on artificial intelligence. Vol.34. No.08, pp. 13172-13179, 2020.
  3. 김동오 외, "MEC 환경에서 블록체인 기반 연합학습 지원도구 개발," 한국정보과학회 학술발표논문집, pp.915-916, 2022.
  4. McMahan, Brendan, et al. "Communication-efficient learning of deep networks from decentralized data," Artificial intelligence and statistics. PMLR, pp.1273-1282, 2017.