본 논문은 연합 학습(FL)의 보안 및 신뢰 문제를 해결하기 위해 제로 지식 증명(ZKPs)을 활용하는 새로운 프레임워크와 알고리즘을 제안합니다. 기존 ZKP 기반 FL 연구의 부족한 체계적인 분석을 보완하고자, ZKPs의 역할을 FL의 다양한 단계와 작업에 따라 분류하고 분석하는 구조화된 ZK-FL 프레임워크를 제시합니다. 또한, 클라이언트 선택 과정에 ZKPs를 적용하여 클라이언트의 성능 지표에 대한 검증 가능한 증명을 생성하고 검증하는 새로운 알고리즘, Verifiable Client Selection FL (Veri-CS-FL)을 제안합니다. Veri-CS-FL은 고품질 로컬 모델을 가진 클라이언트만 선택하여 업로드함으로써 FL 시스템의 효율성과 보안을 향상시키고 참여자 간의 신뢰를 강화합니다.
