사물인터넷 환경에서 효과적인 분할 연합 학습을 위한 통신 오버헤드 최적화 연구 동향

Abstract

분할 연합 학습(S plit Federated Learn in g)은 원시 데이더를 공유하지 않고도 자원 제약적 인 장치들이 학습에 참 여할 수 있도록 함으로써 IoT(Intemet of Things) 환경에서 많은 주목을 받고 있다. IoT 장치들의 네이더를 활용 하면 지능형 헬스케어, 제조, 도시, 교동 등 다양한 분야에서 지능형 서비스를 제공할 수 있댜 그러나 분할 연합 학습은 학습 과정에서 학습 관련 정보를 반복적으로 송수신하는 구조로 인해 통신 오버헤드를 방생시킨다. 이러한 오버헤드는 제한된 대역폭과 에너지 자원을 갖는 loT 환경에서 학습 시간과 에너지 소모를 증가시키며, 결과적으 로 실제 적용을 제약하는 요인으로 작용한다. 이에 따라 분할 연합 학습의 통신 오버헤드를 최적화하기 위한 연구 가 진행되고 있다. 본 논문은 IoT 환경에서 분할 연합 학습을 적용하기 위해 고려해야 하는 주요 통신 오버헤드 문세를 소개하고, 각 연구가 다루는 세부적인 통신 오버헤드 문제를 중심으로 해결 전략을 체계적으로 비교한댜

Keywords

In ternet of Th ings, Spl it Federa ted Learn ing, Commun ica ti on Overhead Opti miza ti on

Citation

정한길, 김종욱, 최미정. “사물인터넷 환경에서 효과적인 분할 연합 학습을 위한 통신 오버헤드 최적화 연구 동향.” KNOM Review, Vol. 29, No. 1, pp. 45–58, August 31, 2026.

원문 및 DOI