본 논문은 분산 학습과 에지 AI를 활용하여 GNSS 간섭을 정확하게 모니터링 및 분류하는 방법을 제시합니다. 중앙 집중식 인프라 의존도를 줄이고 모델 성능을 유지하면서 실시간 지능을 에지 디바이스에서 가능하게 하기 위해 효율적인 데이터 처리, 낮은 지연 시간 통신, 분산 모델 학습 및 엄격한 데이터 프라이버시가 필요합니다. 이를 위해 저자는 분산 표현 학습을 위한 변형 오토인코더(VAE)를 제안하여, 핵심 잠재 특징을 추출함으로써 정확한 간섭 분류를 가능하게 합니다. 세 가지 VAE 변형(vanilla, factorized, conditional generative)을 네 가지 데이터셋(실내 및 고속도로 데이터셋 포함)에 적용하여 평가하고, 광범위한 하이퍼파라미터 검색을 통해 성능을 최적화합니다. 제안된 VAE는 512~8192의 데이터 압축률과 최대 99.92%의 정확도를 달성합니다.
