멀티에이전트 통신 및 네트워크 연구실 진수연 석사과정 학생(1저자)과 차채연 박사과정 학생(공동1저자)의 논문 “Alternating Offer-Based Payment Allocation for Privacy Non-Disclosure in Federated Learning”이 저명한 SCIE저널인 IEEE Signal Processing Letters에 게재 승인을 받았다.  

본 논문은 연합학습 (Federated learning) 환경에서 클라이언트가 소모하는 비용을 개인 정보의 공유 없이 보상하기 위한 교대 제안 협상 기반의 보상 할당 메커니즘인 FedPND (Federated learning with a privacy non-disclosure payment allocation mechanism)을 제안한다. FedPND는 서버와 클라이언트가 교대로 보상에 대해 제안만을 주고받음으로써 할당될 보상을 결정하는 방식이다. 특히, FedPND의 교대 제안 협상 전략에서 할인계수(Discount factor)와 양보율(Concession rate)을 반영한 효용 감소 간격을 적용한다. 본 논문에서는 FedPND의 수렴성 및 내쉬 협상 해법(Nash bargaining solution)에 대한 정확도를 분석하고 연합학습 환경에서 클라이언트의 개인정보 노출 없이도 기존의 보상 할당 메커니즘과 유사한 성능에 도달할 수 있음을 보였다.

본 논문의 1저자인 진수연 학생은 2024년 1학기부터 1년간 이화미래설계 장학금 수혜자로 선발되어 “분산 네트워크에서 에이전트의 교대 제안 협상을 통한 자원 분배 방법”을 주제로 연구를 수행하였으며, 학부 4학년에 본 논문을 제출, 최근 본 논문을 게재하는 성과를 얻게 되었다.

본 논문이 게재되는 IEEE Signal Processing Letters는 IEEE에서 발행하는 신호처리 분야의 우수한 국제 저널이다.

해당 논문은 https://doi.org/10.1109/LSP.2025.3555386에서 확인할 수 있다.