본 논문은 도시 감시 시스템에서 폭력 사건을 탐지하는 과제를 해결하기 위해 개인화 연합 학습(PFL)을 사용하는 방법을 제시합니다. 방대한 양의 다양한 비디오 데이터의 특성을 고려하여 Flower 프레임워크 내에서 개인화 계층을 사용한 연합 학습 기법을 활용합니다. 각 감시 노드의 고유한 데이터 특성에 학습 모델을 적응시켜 이질적이고 비IID(Independent and Identically Distributed)적인 감시 비디오 데이터의 특성을 효과적으로 관리합니다. 균형 및 불균형 데이터셋에 대한 실험 결과, PFL 모델은 최대 99.3%의 정확도를 달성하며 향상된 정확도와 효율성을 보였습니다. 이 연구는 PFL이 복잡한 도시 환경에서 폭력 탐지를 위한 강력하고 개인 정보 보호를 준수하는 솔루션으로 감시 시스템의 확장성과 효과를 크게 향상시킬 수 있는 잠재력을 강조합니다.