Cooperative federated learning over integrated networks with offloading and handover
연구 내용
다중 엣지 서버의 모델 브로드캐스팅 및 비지상 노드(위성·공중·지상)를 활용해 통신 단절을 완화하고, 오프로딩·핸드오버를 최적화하여 연합학습 수렴 시간을 단축하는 연구
비지상 지역에서는 지상 기지국 기반의 데이터 접근이 제한되어 연합학습 서비스 제공이 어렵습니다. 연구실은 인접 엣지 간 겹침 커버리지의 클라이언트가 서로 다른 엣지 서버에서 받은 복수 모델을 평균해 갱신하고, 브로드캐스팅을 통해 서버 간 모델 공유를 연결하는 구조를 제안했습니다. 또한 ground-to-satellite 및 space-air-ground integrated networks에서 위성의 한정 커버리지 시간을 고려하여, 위성 간 링크로 모델과 데이터를 전달하며 클러스터 단위 집계를 수행합니다. 네트워크 동적(이동성, 이기종 연산, 커버리지 불일치)을 반영한 데이터 오프로딩과 핸드오버 절차를 설계하고, 학습 지연을 최소화하는 최적화와 수렴 분석을 함께 수행합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구에서는 다중 엣지 서버 환경에서 중앙 클라우드 동기화 비용을 줄이기 위해, 겹침 커버리지 클라이언트를 매개로 모델을 공유하는 통신 구조를 확립했습니다. 이후 연구에서는 ground-to-satellite 구성을 도입하여 위성이 데이터 오프로딩 처리, 클러스터 집계, inter-satellite link 전달을 수행하도록 연합학습 절차를 오케스트레이션했습니다. 최근에는 space-air-ground integrated networks 및 혼합 지상/비지상 네트워크로 확장하여 이동성과 이기종 연산, 커버리지 시간 불일치를 반영한 적응형 오프로딩과 핸드오버 최적화를 수행하며, 지연과 성능의 동시 개선을 목표로 전개했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
FedMes: Speeding Up Federated Learning With Multiple Edge Servers
Cooperative Federated Learning Over Ground-to-Satellite Integrated Networks: Joint Local Computation and Data Offloading
Orchestrating Federated Learning in Space-Air- Ground Integrated Networks: Adaptive Data Offloading and Seamless Handover
Cooperative Federated Learning over Hybrid Terrestrial and Non-Terrestrial Networks
Orchestrating Federated Learning in Space-Air-Ground Integrated Networks: Adaptive Data Offloading and Seamless Handover