연구진은 연합 학습의 통신 오버헤드를 줄이는 One-shot Federated Learning(OSFL)의 모델 품질 문제를 해결하기 위해 FedKT-CSD 프레임워크를 제안했어요.
FedKT-CSD는 공개적으로 사전 훈련된 오토인코더를 활용해 개인 정보를 보호하면서도 통신량, 이질성 강건성, 엄격한 개인 정보 보호를 동시에 달성해요.
서버는 통신된 통계를 집계하고, 교정된 차등 개인 정보 노이즈를 추가하여 글로벌 모델 훈련을 위한 합성 데이터 세트를 디코딩해요.
연구 결과, FedKT-CSD는 다양한 데이터 세트 및 이질성 환경에서 기존 방식보다 우수한 성능을 보이며, GitHub에서 코드를 확인할 수 있어요.