TMAG-FED: 안전한 연합학습을 위한 2-패스 상호인증 가십 프로토콜

• Published in: 한국정보통신학회논문지 Vol. 28; no. 12; pp. 1563 - 1572
• Main Authors: 박상덕(Sangdeok Park), 장항배(Hangbae Chang), 이재우(Jaewoo Lee)
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 01.12.2024
• Subjects: 전자/정보통신공학; 연합학습; 상호인증; Decentralized Learning; Gossip Protocol; Mutual Authentication; Federated Learning; 탈중앙학습; 가십 프로토콜
• ISSN: 2234-4772; 2288-4165
• DOI: 10.6109/jkiice.2024.28.12.1563

인공지능(AI) 분야에서는 분산 저장된 데이터를 직접 공유하지 않으면서 서로 협력하여 인공지능 모델을 학습할 수 있는 연합학습(FL: Federated Learning)이라는 분산형 머신러닝 기법이 부각되고 있다. 특히, P2P(Peer to Peer)네트워크에서 가십 프로토콜을 기반으로 연합학습을 수행하는 경우 트래픽 분산뿐만 아니라 각 클라이언트의로컬 데이터를 이용하여 학습을 더 효율적으로 수행할 수 있다. 그러나, 연합학습은 일반적으로 신뢰성이 보장되지않기 때문에 중요정보 유출 등과 같은 보안 위험이 발생할 수 있다. 본 논문은 P2P 연합학습 과정에서 정보보호측면에서 발생할 수 있는 문제들을 해결하기 위해 2-패스 상호인증 기반의 안전한 푸시-풀 결합 가십(push-pullhybrid Gossip) 프로토콜을 제안한다. 이것은 한 번의 푸시(Push)와 풀(pull) 과정으로 송신자가 논스(NONCE) 값을생성, 수신자와 공유함으로써 상호인증, 무결성 및 기밀성을 제공할 수 있어, P2P 네트워크 환경에서 각 클라이언트 간신뢰 관계를 보장하게 되며 해당 클라이언트들은 수신 암호문을 복호화하여 추출한 모델 W들을 기반으로 집계된 정확한모델 Wagg을 생성할 수 있다. 이 연구 결과는 향후 P2P 네트워크 환경에서 효율적인 통신뿐만 아니라 안전성과 정확성을고려한 차세대 연합학습 전략으로 발전할 수 있다. In the realm of artificial intelligence, Federated Learning(FL) has emerged as a promising technique. FL enables AI models tobe trained collaboratively without compromising privacy by directly sharing sensitive data. Specifically, FL based on the Gossipprotocol in peer-to-peer networks can enhance efficiency by leveraging the local data of each client and optimizing trafficdistribution. However, the reliability of FL is not always guaranteed, leading to potential security risks such as data leakage. Toaddress these challenges, this paper proposes a secure push-pull hybrid Gossip protocol based on two-pass mutual authentication. The protocol ensures mutual authentication, integrity, and confidentiality by generating and sharing NONCE values with thereceiver in a single push and pull process. This fosters trust among clients in the peer-to-peer network environment, enabling themto generate accurate aggregated models Wagg based on decrypted model updates Ws. This research contributes to the developmentof advanced FL strategies that prioritize efficient communication, security, and accuracy in peer-to-peer network environments. KCI Citation Count: 0