본 논문은 연합 학습(Federated Learning, FL) 시스템의 보안 취약점 중 하나인 재접속 악성 클라이언트(Reconnecting Malicious Clients, RMCs) 문제를 해결하기 위해 신원 기반 식별(Identity-Based Identification, IBI)을 통합하는 방법을 제안한다. RMCs는 FL의 개방적인 연결성을 악용하여 수정된 공격 전략으로 시스템에 재접속하는 위협 요소이다. 본 논문에서는 TNC-IBI 방식을 타원 곡선 위에서 구현하여 계산 효율성을 높이고, 특히 IoT 환경과 같은 자원 제약 환경에서도 효과적으로 작동하도록 한다. Krum과 Trimmed Mean과 같은 안전한 집계 알고리즘과 IBI를 통합함으로써 RMCs의 영향을 완화하고 FL의 강건성을 향상시키는 실험 결과를 제시한다. 또한, 적응형 적대자 탐지, 평판 기반 메커니즘, 분산형 FL 아키텍처에서의 신원 기반 암호화 프레임워크의 적용 가능성 등 IBI의 더 넓은 의미를 논의하고, 진화하는 적응형 적대적 위협에 대한 사전 예방적 방어 전략의 필요성을 강조한다.
