연합 학습(Federated Learning, FL)은 데이터를 공유하지 않고 기계 학습(ML) 모델을 학습시키는 새로운 패러다임입니다. 조직 간 협업인 cross-silo 시나리오에서 FL을 적용할 때 시스템의 신뢰성이 중요하며, 참여자의 오류(통신 문제, 잘못된 구성 등) 발생 가능성이 있습니다. 본 연구는 참여자 실패가 모델 품질에 미치는 영향을 분석하는 데 초점을 맞추어, 소수의 참여자가 있는 조직 간 cross-silo FL 환경에서 광범위한 연구를 수행했습니다. 특히, 타이밍과 데이터의 영향, 모델 배포 결정에 중요한 평가의 영향을 분석했습니다.
