본 논문은 대규모 언어 모델(LLM)의 빠른 발전과 클라우드 컴퓨팅의 대중화로 인해 발생하는 크로스 클라우드 모델 배포 및 학습의 개인 정보 보호 및 데이터 보안 문제를 해결하기 위한 새로운 프레임워크를 제시한다. 연합 학습 기반의 분산 클라우드 간의 프라이버시 보존 협업을 가능하게 하면서 상기 문제들을 다룬다. 최첨단 암호화 기법, 동적 모델 집계 기술, 크로스 클라우드 데이터 조율 솔루션을 통합하여 기존 연합 학습 패러다임의 보안성, 효율성 및 확장성을 향상시킨다. 또한, 데이터 유출 위협을 완화하고 모델 업데이트 집계를 최적화하기 위한 하이브리드 집계 방식을 제안하여 모델 효과 및 안정성을 크게 향상시켰다. 실험 결과, 제안된 모델의 학습 효율, 개인 정보 보호 및 모델 정확도는 기존 연합 학습 방법보다 우수한 것으로 나타났다.
