gspDAG-FL은 분산 연합 학습(DFL)의 보안성과 효율성을 높이는 새로운 프레임워크입니다. 기존 DFL 방식의 취약점을 개선하고, 블록체인 기반 방식의 글로벌 조정 비용 문제를 해결합니다.
gossip 기반 모델 업데이트를 통해 모델 출처를 추적하고, Hashgraph 방식의 가상 투표를 통해 합의를 도출합니다. 이를 통해 모델의 유효성을 검증하고, 악의적인 참여자로부터 보호합니다.
MNIST 분류 및 Penn Treebank 언어 모델링 실험 결과, 검증 기반의 연합 학습과 유사한 성능을 보이면서도 처리량과 악성 데이터 탐지율을 향상시켰습니다.