제6세대 네트워크(6G)는 차량 대자율 주행을 지원할 수 있으며, 연결된 자율주행 차량을 위한 분산 컴퓨팅 아키텍처인 Vehicular Edge Computing(VEC)과 같은 다양한 차량 응용을 포함한다. 차량 환경에서 컴퓨팅 오프로딩과 자원 관리를 위한 연합 학습(Federated Learning) 효율적 학습 모델을 제안함으로써, Vehicular Edge Computing의 컴퓨팅 오프로딩 및 자원 관리가 높은 통신 비용, 개인정보 보호, 과도하게 긴 학습 과정 등 일부 문제를 해결하는 데 도움이 될 수 있다. 본 논문에서는 두 가지 연구 이슈를 강조한다. 하나의 문제는 현재 오프로딩 시스템과 관련되며, 스마트 구조 및 운영체제에 관한 것이다. 설치된 운영체제나 사용된 하드웨어와 무관하게 클라우드 컴퓨팅 서비스에 일관되게 접근하는 것은 여전히 어렵다. 다른 이슈는 보안과 개인정보 보호와 관련된다. 보안과 개인정보 보호는 오프로딩 및 자원 관리 과정에서 클라우드 데이터 센터의 데이터와 데이터 전송 동안 유지되어야 하는 두 가지 중요한 특성이다. 본 총설 논문에서는 이러한 문제에 대한 부분적 해법을 제공하는 시스템이 제안될 것이다. 본 고찰을 수행하는 과정에서 도출된 제안된 해법은 모델을 학습할 수 있고 엣지 장치의 정보를 업데이트하는 데 도움이 되는 시스템을 제공한다. 전체 엣지-클라우드 시스템은 엣지 장치에 대해 업데이트된 정보를 제공할 수 있으며, 모델 관련 최적화에 필요한 일부 핵심 정보의 확보에 따르는 어려움을 해결할 수 있다. 또한 이는 6G-V2X 네트워크의 통신을 위한 프레임워크의 효율성을 향상시킬 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.