- Federated Learning
- Blockchain
- Platform & UI/UX
- MES+
Federated Learning
연합학습 (Federated Learning) 기술이 적용된 AI를 도입하여
기존 Centralized Data Collection & Processing 플랫폼의 한계를 보완합니다.
기존 Centralized Data Collection & Processing 플랫폼의 한계를 보완합니다.
- 모든 로컬 데이터를 중앙 서버로 보내지 않습니다.
- 중앙 서버의 모델을 각 사이트로 보내, 사이트 내의 데이터로 모델을 훈련합니다.
- 훈련된 모델을 중앙에서 통합 (Aggregation)하여
필요 정보만 중앙 서버로 전송하여 학습을 적용합니다. - 컴퓨터 시스템 효율성 제고를 위해 AI 학습 환경 구축에서
Edge Computing 기술을 적용합니다.
- 로컬
사이트 선정 - 서버로부터 모델 전송 후
Learning 수행을 위한 환경 설정 - 로컬 학습 모델 업데이트를
서버로 전송 - 서버는 글로벌 모델 생성 후
사이트 배포
협업을 지원하는 AI 플랫폼에서의 연합학습 도입 효과
- 서버 측면
- Edge computing 기술 사용으로
서버 부하 감소
- 보안 측면
- 로컬 사이트에서 모델 생성 및 결과만을
서버에 전송하여 데이터 이동 제어
- 의사 결정 측면
- 로컬 사이트에서 데이터를 처리하여,
신속한 의사 결정 가능
- Back-up / Recovery 측면
- 외부 공격자 위협 범위가 좁으므로
보안성이 높고 개인 정보 보호가 보장됨
연합학습의 활용 사례
산업 분야
- 스마트 제조 과정에서 클라우드와 엣지 컴퓨팅을 적용할 수 있는 다중 도메인에 연합학습 AI 적용 (NEC 유럽연구소)
- 분산 AI 기법을 다양한 물체를 집을 수 있는 로봇 피킹 기술에 적용하여 다양한 작업 공간에서 활용 (독일 칼스루헤공대, 캐나다 워털루 대학 FLAIROP 프로젝트)
- 기계 금속 생산에 있어, 분산 감지 시스템에 의해 탐지되는 데이터에 연합학습 AI를 적용하여 기계 잔여 수명 및 기계 이상 예측을 하여 중단 없는 생산 보장 (튀르키예 TORUN)
의료 분야
- 환자 진료 기록 데이터에 부분 모델 가중치를 공유하여 환자 개인정보 보호 (엔비디아 클라라)
- 의학 영상 영역에 연합학습을 적용하여 환자 정보 보호 및 뇌종양 식별 (인텔, 펜실베이니아 대학교)
- 신약 개발을 위한 17개 기관의 10억개 이상 약물 개발 연관 데이터 모델 활용 (유럽 멜로디 컨소시엄)
교통 분야
- 공항 승객 흐름에 대한 분석 예측 모니터링을 위해 주변 장치에 FAI 기반 시스템 응용 적용 (튀르키예 TAV Technologies)
서비스 분야
- 웹브라우저 쿠키 수집 대신 사용자의 검색 패턴을 분석, 모델화 하여 비슷한 사용자별로 집단화하는 연합학습 기반 광고 기술 적용 (구글 FLoC)
