# Cellular Traffic Prediction via Byzantine-robust Asynchronous Federated Learning

### 저자

Hui Ma, Kai Yang, Yang Jiao

### 개요

본 논문은 지능형 네트워크 운영에 중요한 역할을 하는 네트워크 트래픽 예측에서 중앙 집중식 학습의 지연 및 개인 정보 보호 문제를 해결하기 위해, 차등 개인 정보 보호가 통합된 연합 학습 프레임워크를 제안한다.  기존 연합 학습의 비잔틴 공격 취약성을 해결하고자, 분포적으로 강건한 최적화 기반의 비동기적 차등 연합 학습 프레임워크를 제시하며, 지역적 차등 개인 정보 보호와 정규화 기법을 활용하여 모델의 강건성과 개인 정보 보호를 향상시켰다. 실제 데이터셋을 이용한 실험 결과, 제안된 분산 알고리즘이 기존 방법보다 우수한 성능을 달성함을 보였다.

### 시사점, 한계점

- **시사점:**

    - 중앙 집중식 학습의 한계를 극복하는 차등 개인 정보 보호 기반의 연합 학습 프레임워크 제시.

    - 비잔틴 공격에 강건한 분포적으로 강건한 최적화 기법 활용.

    - 지역적 차등 개인 정보 보호 및 정규화 기법을 통한 모델 강건성 및 개인 정보 보호 향상.

    - 실제 데이터셋을 이용한 실험을 통해 제안된 알고리즘의 우수성 검증.

- **한계점:**

    - 제안된 프레임워크의 실제 네트워크 환경 적용 및 확장성에 대한 추가적인 연구 필요.

    - 다양한 유형의 비잔틴 공격에 대한 저항력 평가 및 개선 필요.

    - 사용된 정규화 기법의 최적 파라미터 설정에 대한 추가 연구 필요.

[PDF 보기](https://arxiv.org/pdf/2505.19263)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).