페더레이티드 러닝은 개인 정보 보호 데이터의 이질성 문제를 해결하는 분산 학습 패러다임입니다. TSV(Trajectory Shapley Value)는 검증 기반의 시간 일관성 유틸리티를 사용하여 각 클라이언트가 글로벌 모델 최적화 경로에 미치는 영향을 평가하는 기여도 측정 방식입니다. FedTSV는 TSV를 기반으로 설계되었으며, 서버가 실시간으로 이기종 및 적대적 참여에 대응할 수 있도록 동적 클라이언트 가중치를 부여합니다.
벤치마크 데이터 세트 실험 결과, FedTSV는 수렴 속도를 높이고, 견고성을 향상시키며, 보다 공정한 기여도 평가를 제공합니다. 이는 공정성을 고려한 페더레이티드 최적화의 기반을 제공합니다.
기존 방식은 클라이언트 기여도를 제대로 반영하지 못해 학습 편향과 불안정을 야기했지만, TSV는 시간 경과에 따른 클라이언트의 영향력을 정확하게 반영하여 학습 효율성을 높입니다.