본 논문은 도시 감시 시스템에서 폭력 사건을 탐지하는 과제를 해결하기 위해 개인화된 연합 학습(PFL)을 활용한 접근 방식을 제시합니다. Flower 프레임워크 내에서 개인화 계층을 갖춘 연합 학습 방법을 사용하여 각 감시 노드의 고유한 데이터 특성에 학습 모델을 적응시킴으로써 이질적이고 비IID(Independent and Identically Distributed)적인 감시 비디오 데이터의 특성을 효과적으로 관리합니다. 균형 및 불균형 데이터셋에 대한 실험 결과, PFL 모델은 최대 99.3%의 정확도를 달성하며 향상된 정확성과 효율성을 보였습니다. 이 연구는 PFL이 복잡한 도시 환경에서 폭력 탐지를 위한 강력하고 개인 정보 보호를 준수하는 솔루션을 제공하여 감시 시스템의 확장성과 효과를 크게 향상시킬 수 있는 잠재력을 강조합니다.
