연구주제: MEC 플랫폼 에서의 heterogeneous split federated learning

• MEC가 split FL에서의 server가 되는 상황
• 무선 통신까지 고려하여 다양한 split learning 알고리즘의 실제적인 성능 분석
• MEC 플랫폼 아래에서 좋은 성능을 보이는 heterogeneous split FL 기법 제시
• 기존 FL과 다르게 학습 뿐만 아니라, inference 시에도 통신이 필요 (통신환경의 제약 때문에 gradient의 압축이 필요하고 성능이 하락할 수있음)
• 이를 위해서 local model도 좋은 성능을 보이는 모델을 학습시켜서, 통신환경에 따라 inference 시에 local model을 활용할 지, full model을 활용하지 결정하는 기법 제안
• local model도 좋은 성능을 보이는 학습기법은 FedsplitX (mywork)
• 어떤 압축 ratio가 기준이 되어서 inference model을 선택할지는 실험적으로 (혹은 수학적으로) 분석하여 최적화