본 논문은 분산 시스템에서의 정교한 공격 벡터에 대응하기 위해, 연합 학습과 다중 모달 대규모 언어 모델(LLM)을 통합한 새로운 분산 보안 위협 탐지 시스템을 제시합니다. 연합 학습을 통해 데이터 프라이버시를 보장하면서, 네트워크 트래픽, 시스템 로그, 이미지, 센서 데이터 등의 이종 데이터 소스를 처리하는 다중 모달 LLM을 활용합니다. 10TB 분산 데이터셋에 대한 실험 결과, 96.4%의 탐지 정확도를 달성하여 기존 기준 모델보다 4.1% 향상되었으며, 오탐률과 미탐률을 각각 1.8%와 2.4% 감소시켰습니다. 또한, 모델 학습에 180초, 위협 탐지에 3.8초가 소요되는 등 분산 환경에서 효율적인 처리 성능을 유지함을 보여줍니다. 이러한 결과는 데이터 프라이버시를 유지하면서 탐지 정확도와 계산 효율성을 크게 향상시켜 대규모 보안 시스템의 실제 배포에 강력한 잠재력을 시사합니다.
