0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
VeilFL: Two-Stage Accountability for Anonymous Federated Learning (원문, 새 창)
한국어 요약
Claude · 2026-11-05연합학습에서 익명 자격증명(anonymous credential)은 어떤 참여자가 등록 클라이언트인지 숨겨주지만, 연결 불가능성(unlinkability) 때문에 반복적 부정행위를 추적하기 어렵다. 이 논문은 USENIX Security '24에서 발표된 PINE 프로토콜에 단계적 책임추적성을 더한 2-집계자 프로토콜 VeilFL을 제시한다. 각 제출물은 두 개의 비공개 PINE 메시지, 라운드별 가명, 추적 쌍을 동일한 숨겨진 자격증명 비밀에 결속시켜, 정상 참여에 영속적 식별자를 부여하지 않으면서도 동일 라운드 내 중복 제출을 탐지할 수 있게 한다. 중복이 확인되거나 공동 PINE 거부가 발생하면 임계값 추적위원회가 동일 자격증명에 연관된 결함들을 연결하는 안정적 핸들을 공개하며, 공개 로그에 충분한 연결 결함이 기록되고 별도 위원회가 식별을 승인해야만 클라이언트의 등록 신원이 복원된다. 프로토타입에서 제출 생성은 평균 2.11ms, 검증은 3.01ms가 소요되며, 1000건 배치 검증 시 건당 1.86ms로 줄어든다.
- PINE 프로토콜에 단계적 책임추적성을 더한 2-집계자 프로토콜 VeilFL 제안
- 두 PINE 메시지·라운드별 가명·추적 쌍을 하나의 숨겨진 자격증명에 결속해 중복 탐지
- 정상 참여에는 영속적 식별자를 부여하지 않아 익명성 유지
- 임계값 추적위원회의 2단계 공개 절차로만 신원 복원 가능해 오남용 방지
- 제출 생성 2.11ms, 검증 3.01ms, 1000건 배치 시 건당 1.86ms로 낮은 연산 비용 확인
AI 인사이트
- 연합학습(FL)에서 참여자 익명성을 유지하면서도 반복 악성행위는 추적 가능하게 하는 2단계 책임추적 VeilFL 제안
- USENIX Security'24의 PINE에 라운드별 가명과 추적쌍을 추가해 동일 자격증명의 중복 제출만 식별
- 누적 위반이 공개 로그에 기록되고 별도 임계위원회가 승인해야만 신원이 공개되는 2단계 공개 절차로 무고 위험 차단
- 프로토타입에서 제출 생성 2.11ms, 검증 3.01ms, 1,000건 배치 검증 시 건당 1.86ms의 실용적 성능 확인
왜 중요한가
연합학습의 익명 자격증명은 참여자를 보호하지만 반복적인 모델 오염 공격자를 추적하기 어렵게 만드는데, VeilFL은 악의적 재범만 선별적으로 식별하는 2단계 추적으로 익명성과 악용 방지를 동시에 달성한다.
AIChainDay 편집노트
왜 이 기사를 골랐나연합 학습(Federated Learning)은 개인정보 보호를 강화하면서 AI 모델을 학습시키는 기술로, 국내 의료 및 금융 분야에서 잠재력이 큽니다. 그러나 익명성 때문에 악의적인 참여자의 행동 추적이 어려울 수 있는데, VeilFL은 이를 해결하기 위한 2단계 책임 메커니즘을 제안합니다. 이 기술은 한국에서 연합 학습을 안전하게 도입하고 운영하기 위한 중요한 보안 및 관리 방안을 제시하며, 신뢰할 수 있는 AI 생태계 구축에 기여할 것입니다.
본문 미리보기
arXiv:2611.01082v1 Announce Type: new Abstract: Anonymous credentials can hide which registered client participates in federated learning, but their unlinkability also makes repeated misconduct difficult to associate. We present VeilFL, a two-aggregator protocol that adds staged accountability to PINE (USENIX Security '24). Each submission binds two private PINE messages, a round-specific pseudonym, and a tracing pair to the same hidden credential secret. This design enables detection of duplic
전체 내용이 궁금하다면?
arXiv cs.CR (암호학·보안)에서 원문을 직접 읽어보세요
- #연합학습
- #익명자격증명
- #탈중앙학습
- #책임추적
이 글이 만들어진 과정
- 11:34AI 초안