본 연구는 연합 학습 알고리즘이 도청 공격자로부터 제공하는 보호 수준을 조사합니다. 연구 모델에서 공격자는 클라이언트에서 서버로 전송되는 모델 업데이트를 가로챌 수 있으며, 이를 통해 자체 모델 추정치를 생성할 수 있습니다. 기존 연구가 주로 클라이언트 데이터 보호에 초점을 맞춘 것과 달리, 본 연구는 클라이언트 모델 자체 보호에 중점을 둡니다. 이론적 분석을 통해 클라이언트 선택 확률, 지역 목적 함수의 구조, 서버에서의 전역 집계 및 도청자의 기능과 같은 다양한 요소가 전반적인 보호 수준에 미치는 영향을 조사합니다. 수치 실험을 통해 공격자가 달성한 모델 정확도를 평가하여 연구 결과를 검증하고, 차등 개인 정보 보호 기반 방법과 비교하여 그 한계를 강조합니다.
