본 논문은 연합 학습(Federated Learning, FL)에서 데이터의 라벨 노이즈에 대한 강건성을 향상시키기 위한 벤치마크 연구, FNBench를 제안합니다. 기존 연구들의 부족한 점을 보완하여 합성 라벨 노이즈, 불완전한 사람의 주석 오류, 체계적인 오류 등 세 가지 다양한 라벨 노이즈 패턴을 고려하여 18가지 최신 방법들을 5개의 이미지 인식 데이터셋과 1개의 텍스트 분류 데이터셋에 대해 평가합니다. 또한, 라벨 노이즈가 FL의 성능을 저하시키는 원인을 분석하고, 이를 바탕으로 표현 인식 정규화 기법을 활용하여 기존 방법들의 강건성을 향상시키는 방안을 제시합니다. 마지막으로, 본 연구의 한계점과 향후 연구 방향을 제시하며, 소스 코드를 공개합니다.
