본 논문은 개인정보보호 관련 법규 및 정책이 강화됨에 따라 여러 산업 분야에서 연합 학습(Federated Learning, FL)의 채택이 증가하는 추세에 주목합니다. 특히, 데이터 공유 대신 모델 업데이트를 공유하는 Cross-Silo FL의 환경 친화성에 대한 연구가 부족하다는 점을 지적하며, 전체 AI 제품 수명주기 전반에 걸쳐 Cross-Silo FL의 지속 가능성을 평가하는 것을 목표로 합니다. 기존 중앙 집중식 학습 방식과의 비교를 통해 실제 Cross-Silo FL 환경에서 비용과 CO2 배출량을 정량적으로 평가하는 견고한 프레임워크를 제시하고, 모델 훈련의 에너지 소비 및 비용은 두 방식이 비슷하지만, 중앙 집중식 학습의 데이터 전송 및 저장 요구사항으로 인해 상당한 CO2 배출이 발생할 수 있다는 점을 밝힙니다. 마지막으로, Cross-Silo FL과 분석을 통합하는 혁신적인 데이터 및 애플리케이션 관리 시스템을 제시하여 IT 기업의 지속 가능성과 경제적 효율성을 향상시키는 것을 목표로 합니다.
