BROWSE
Titles
Detail
[기술정책 트렌드] 연합 학습 기술 동향 및 산업적 시사점
Download 10010 time
- Authors
- 이승민
- Issue Date
- 2020-11
- Type
- ETRI Insight
- ISBN
- 978-89-5519-282-7
- Abstract
- AI를 이용한 데이터 활용에 대한 요구가 증가하면서, 최근 기존 법적 규제와 충돌하지 않으면서 이를 해결하고자 하는 방안으로 연합학습이 급부상하고 있다. 특히 구글이 차세대 AI 학습으로 '연합학습'을 선택했다는 소식이 알려지면서 더욱 큰 주목을 받고 있다. AI 연합학습은 기존 분산 학습 개념과 유사하지만 분산된 데이터 자체를 보호하면서 협업 모델을 생성할 수 있다는 점에서 큰 차이가 있다. 분산형 데이터로는 스마트폰에서 생산되는 개인의 활동, 앱 사용 데이터뿐만 아니라 자동차의 주행 정보, 개인의 병원 진료 기록 등 다양하다. 그러나 이를 활용하는 과정에서 기존 분산형 학습 기술만으로는 해결할 수 없는 문제가 있다. 바로 프라이버시다. 연합학습은 프라이버시에 대한 '보호'와 '활용'이 양립할 수 있는 해법을 제시하고 있다는 점에서 의미가 크다. 본 보고서에서는 연합학습의 기술 동향과 산업적 활용 가능성에 대해서 살펴보았다. 첫째, 기술적 관점에서 연합학습의 기본 개념과 작동 원리를 알아보고 FedSGD, FedAVG 등 주요 알고리즘의 특징을 분석하였다. 또한, 연합학습 알고리즘의 프라이버시 보호와 보안성을 강화하기 위해 함께 사용하는 차등정보보호, 동형암호, 안전한 다자간 계산 알고리즘 등의 원리와 적용 방법을 살펴보았다. 연합학습을 현장에 적용하는 과정에서 해결해야 할 기술 이슈가 무엇인지, 그리고 이를 해결하기 위해 진행되는 연구 방향에 대해서도 간략하게 정리하였다. 둘째, 산업적 관점에서 연합학습이 적용되고 있는 현황을 분석하였다. 먼저, 데이터 3법의 주요 내용과 최근 연합학습의 적용이 가장 활발하게 진행되고 있는 의료 데이터의 특징 및 활용 현황을 살펴보았다. 연합학습은 여러 병원에 흩어져 있는 특정 질환에 대해 환자 데이터나 임상 데이터를 직접 공유하지 않고도, 프라이버시 노출 위험을 줄이면서 모든 데이터를 한곳으로 모아서 분석한 것과 같은 효과를 얻을 수 있다. 이런 장점으로 인해, 의료 영역은 연합학습의 활용이 가장 기대되는 분야이다. 관련하여 인텔과 엔비디아 등 ICT 기업과 글로벌 의료기관 간의 협력 현황과 연구 결과를 살펴보았다. 연합학습 방법은 향후 디지털 기술의 발전과 함께 사회적 이슈로 부상할 데이터의 소유권 강화와 데이터 활용을 위한 공유 문제를 해결할 대안으로 더욱 주목받을 것으로 보인다. 특히 전이학습, 암호화 알고리즘, 블록체인 등 기존 기술과 결합하여 다양한 산업 분야에서 의미 있는 결과를 낼 수 있을 것으로 전망된다.
This work is distributed under the term of Korea Open Government License (KOGL)
(Type 4: : Type 1 + Commercial Use Prohibition+Change Prohibition)
(Type 4: : Type 1 + Commercial Use Prohibition+Change Prohibition)
