ZT FL CADE(Zero Trust Federated Learning for Connected Aftermarket Devices)는 차량 애프터마켓 기기의 OTA 업데이트와 예측 정비 결정을 위해 기기 단위 접근 제어, 프라이버시 보존 연합학습, 적대적 검증을 결합한 엣지러닝 아키텍처다. 240개 기기·12개 벤더·180일 운영에서 수집한 14만 4천개 텔레메트리 윈도 합성 데이터셋으로 평가한 결과, 정비 위험 예측 F1은 FedAvg 대비 0.837에서 0.883으로, 침입 탐지 F1은 0.856에서 0.897로 개선됐다. 선택된 클라이언트의 20%가 악성일 때도 침입 재현율 0.842를 유지했고, 평균 접근 결정 지연은 시뮬레이션 운영 기준(100ms) 이내인 44ms로 나타났다. 현장 검증은 아직 이뤄지지 않았지만, 제로트러스트 정책 집행과 연합학습을 별개가 아닌 통합 평가 대상으로 다룰 수 있음을 시사한다.

• •기기 접근 제어·연합학습·적대적 검증을 결합한 제로트러스트 엔지러닝 아키텍처 ZT FL CADE 제안
• •24만4000개 텔레메트리 윈도우(240기기·12벤더·180일) 합성 데이터로 평가
• •정비 위험 F1 0.837→0.883, 침입탐지 F1 0.856→0.897로 개선(FedAvg 대비)
• •악성 클라이언트 20% 조건에서도 침입 재현율 0.842 유지, 접근 결정 지연 평균 44ms로 운영 기준(100ms) 내