본 논문은 연합 학습(Federated Learning, FL)에서 중앙 집중식 집계자의 악의적인 행위로부터 보호하기 위한 새로운 프레임워크인 zkFL을 제안합니다. 기존 FL은 중앙 집계자의 신뢰성에 의존하지만, 악의적인 집계자는 클라이언트의 학습 모델을 임의로 변경하거나 가짜 클라이언트를 삽입하여 결과를 조작할 수 있습니다. zkFL은 제로지식 증명(zero-knowledge proof)을 활용하여 집계 과정에서 집계자의 악의적인 행위를 방지합니다. 집계자는 매 라운드마다 올바른 집계 결과를 증명하고, 블록체인을 이용하여 클라이언트의 검증 비용을 줄입니다. 이를 통해 기존 FL보다 향상된 보안 및 프라이버시를 제공하며, FL 네트워크 구조 변경이나 학습 속도 저하 없이 성능을 유지합니다.
