연합 학습은 구글 연구진이 제안한 머신러닝 기법입니다. 이 개념과 핵심 알고리즘은 2017년 국제 인공지능 및 통계 학회(AISTATS 2017)에서 관련 논문을 통해 공식적으로 발표되었습니다. 분산 데이터를 활용한 딥 네트워크의 효율적인 학습을 위한 통신 효율화 전략.

연합 학습(Federated learning)은 개인정보 보호를 중시하는 분산형 머신러닝 기법입니다. 핵심 원리는 원본 학습 데이터를 항상 로컬 장치에 보관하고 중앙 서버에 업로드하지 않는 것입니다. 대신, 로컬에서 계산된 모델 업데이트 파라미터를 통합하여 공유되는 전역 모델을 공동으로 학습함으로써 개인정보 유출 및 보안 위험을 크게 줄입니다. 이러한 목표를 달성하기 위해 연구팀은 연합 평균화(Federated Averaging, FedAvg) 알고리즘을 제안했습니다. 실험 결과, 이 알고리즘은 모바일 장치 특유의 불균형하고 비독립적으로 동일하게 분포된(non-IID) 데이터를 안정적으로 처리할 뿐만 아니라, 딥 네트워크 학습에 필요한 통신 횟수를 10배에서 100배까지 크게 줄여 실제 응용 분야에서 발생하는 통신 비용 제약을 극복할 수 있음을 보여주었습니다.