본 논문은 연합 학습(Federated Learning, FL)의 보안 및 신뢰 문제를 해결하기 위해 영지식 증명(Zero-Knowledge Proofs, ZKPs)을 활용하는 새로운 프레임워크와 알고리즘을 제시합니다. 기존 ZKP 기반 FL 연구의 부족한 체계적인 분석을 보완하고자, ZKP의 역할을 FL의 다양한 단계와 작업으로 분류하고 분석하는 구조화된 ZK-FL 프레임워크를 제안합니다. 또한, 클라이언트 선택 과정에 ZKP를 적용하여 성능 지표의 정확성을 보장하고 참여자 간의 신뢰를 강화하는 새로운 알고리즘인 Verifiable Client Selection FL (Veri-CS-FL)을 소개합니다. Veri-CS-FL은 클라이언트가 로컬 모델의 성능 지표에 대한 검증 가능한 증명을 생성하여 서버에 제출하고, 서버는 이를 검증하여 고품질 로컬 모델을 가진 클라이언트를 선택하여 모델 업데이트에 참여시키는 방식으로 동작합니다. 이는 FL 시스템의 효율성과 보안을 향상시키는 효과를 가져옵니다.
