하나 이상의 클라이언트들이 실루엣 분석에 의해 결정된 K값들을 결정하는 단계;가장 큰 값부터 가장 작은 값까지 순서대로 상기 결정된 K값들을 이용하여, 상기 하나 이상의 클라이언트들이 (i) 클러스터 형성 및 (ii) 정확도 점수 비교에 의한 모델 공유를 반복함으로써 상기 가장 작은 값에 기반한 클러스터들 각각에서 결정된 최고의 모델을 중앙서버로 전송하는 단계;상기 중앙서버가 수신된 최고의 모델들 및/또는 데이터 샘플들에 기반하여 수정한 글로벌 모델을 상기 하나 이상의 클라이언트들에 배포하는 단계를 포함하는P2P 기반의 연합학습 방법.

제1항에 있어서,상기 클러스터 형성은 상기 하나 이상의 클라이언트들이 K값에 기반한 K-means 클러스터링을 수행하는 것인 P2P 기반의 연합학습 방법.

제1항에 있어서,상기 정확도 점수에 의한 모델 공유는 각 클러스터 내에서 정확도 점수를 비교하고 가장 정확도 점수가 높은 모델을 상기 각 클러스터 내에서 공유하는 것인P2P 기반의 연합학습 방법.

제1항에 있어서,상기 K값들은 실루엣 분석에 기반한 실루엣 계수가 0.5 이상인 P2P 기반의 연합학습 방법.

제1항에 있어서,각 클라이언트가 자신의 데이터 샘플에 의해 상기 배포된 글로벌 모델을 검증하는 단계;상기 각 클라이언트가 검증 결과에 기반하여 자신의 모델을 유지하거나 상기 자신의 모델을 상기 글로벌 모델로 업데이트하는 단계를 더 포함하는 P2P 기반의 연합학습 방법.

실루엣 분석에 의해 결정된 K값들을 결정하고, 가장 큰 값부터 가장 작은 값까지 순서대로 상기 결정된 K값들을 이용하여, (i) 클러스터 형성 및 (ii) 정확도 점수 비교에 의한 모델 공유를 반복함으로써 상기 가장 작은 값에 기반한 클러스터들 각각에서 결정된 최고의 모델을 중앙서버로 전송하는 하나 이상의 클라이언트들; 및수신된 최고의 모델들 및/또는 데이터 샘플들에 기반하여 수정한 글로벌 모델을 상기 하나 이상의 클라이언트들에 배포하는 중앙서버를 포함하는P2P 기반의 연합학습 시스템.