연합 학습 (Federated Learning) 뜻 — 비유로 쉽게

1비유로 이해하기

동네 사람들이 살림에 도움이 될 표를 하나 함께 만들기로 했어요. 그런데 그 표를 제대로 만들려면 집집마다 금고에 넣어 둔 기록을 들여다봐야 해요. 금고를 열어 남에게 보여 주고 싶은 사람은 아무도 없죠.

그래서 순서를 뒤집었어요. 표 초안을 복사해 집집마다 한 장씩 돌려요. 각자 자기 집 금고 앞에서 문을 살짝만 열고, 자기 기록에 비춰 고칠 곳을 초안에 표시해요. 그러고는 고친 표시만 적어서 모임에 내요. 금고 속 기록은 한 번도 밖으로 나오지 않아요. 모임은 걷은 표시들을 평균 내어 표를 새로 만들고 다시 돌려요. 몇 바퀴가 지나면 모든 집의 사정이 녹아든 표가 완성돼요.

2자세히 알아보기

한 바퀴가 도는 순서

첫 단계는 내려보내기예요. 중앙에 있는 현재 모델을 참여 기기들에 그대로 복사해 보내요. 이 시점에는 모두가 같은 모델을 손에 들고 있어요.

두 번째는 각자 배우기예요. 기기마다 자기 안에 있는 자료로 짧게 학습해요. 몇 바퀴만 돌려서 모델이 조금 달라지게 만들어요. 세 번째는 올리기예요. 학습한 모델 전체가 아니라 처음 받은 것과 달라진 부분만 중앙으로 보내요.

네 번째는 합치기예요. 중앙은 여러 기기에서 올라온 변화를 평균 내어 새 모델을 만들어요. 이때 자료가 많은 기기의 몫을 더 크게 쳐 주기도 해요. 이렇게 만든 새 모델을 다시 내려보내며 다음 바퀴가 시작돼요. 수십에서 수백 바퀴를 돌리는 것이 보통이에요.

무엇이 오가고 무엇이 남는가

이 방식의 핵심은 오가는 것의 종류가 바뀐다는 데 있어요. 자료를 모으는 방식에서는 사진, 문자, 위치 기록 같은 것이 서버로 올라가요. 연합 학습에서는 그 자리에 숫자 묶음이 대신 올라가요. 원본은 기기 안에 남아요.

덕분에 위험의 성격이 달라져요. 서버가 뚫려도 개인의 원본이 통째로 새어 나가지 않고, 기록을 한곳에 쌓아 두지 않으니 보관 기간이나 유출 범위를 걱정할 일도 줄어요. 병원처럼 자료를 밖으로 내보낼 수 없는 곳들이 서로 도움을 주고받을 길이 열리는 것도 같은 이유예요.

요약만 보내도 새어 나갈 수 있어요

모델의 달라진 부분은 결국 그 기기의 자료를 보고 계산한 값이에요. 그래서 그 숫자를 파고들면 원본의 일부를 되짚을 수 있어요. 특정 문장이 학습에 쓰였는지 알아내거나, 조건이 맞으면 이미지를 얼추 복원해 내는 일까지 알려져 있어요.

그래서 보호 장치를 겹쳐 써요. 첫째는 꼭 필요한 만큼만 올리는 거예요. 값의 크기를 잘라 내고 자잘한 부분은 버려요. 둘째는 잡음을 섞는 거예요. 개인을 짚어 낼 수 없을 만큼 작은 흔들림을 일부러 더해 보내요. 셋째는 묶어서 합치는 거예요. 중앙이 개별 기기의 값을 볼 수 없고 여러 기기의 합계만 볼 수 있도록 암호 기술로 가려요. 연합 학습 자체는 출발점이고, 개인정보 보호는 이 장치들을 얹어야 완성돼요.

모으는 방식보다 까다로운 점들

가장 큰 어려움은 기기마다 자료가 다르다는 점이에요. 한곳에 모으면 골고루 섞이지만, 각자 자리에서는 어떤 기기는 한쪽 자료만 잔뜩 갖고 있어요. 이런 상태로 배운 변화를 평균 내면 방향이 서로 상쇄돼 잘 나아가지 않아요.

기기 사정도 제각각이에요. 어떤 기기는 계산이 느리고 어떤 기기는 통신이 끊겨요. 그래서 실제 서비스에서는 충전 중이고 무선망에 붙어 있는 기기만 골라 참여시키고, 늦게 오는 결과는 기다리지 않고 넘어가요. 한 바퀴에 참여하는 기기 수, 각자 몇 바퀴를 돌릴지, 얼마나 자주 합칠지를 정하는 일이 이 방식의 핵심 설계예요.

3조금 더 정확하게

연합 학습(Federated Learning)은 분산된 자료 보유자들이 원본을 공유하지 않고 모델 갱신량만 교환해 하나의 모델을 함께 학습하는 방식이에요. 가장 널리 쓰이는 합치기 방법은 각 참여자의 갱신량을 자료 개수로 가중 평균하는 방식이고, 앞서 말한 보호 장치는 각각 차등 프라이버시와 보안 집계라는 이름으로 정리돼요. 자료가 참여자마다 고르지 않은 상태를 비독립 동일분포가 아닌 상황이라고 불러요.

비유가 어긋나는 지점도 있어요. 금고 앞에서 표를 고치는 일은 손만 있으면 되지만, 기기 안에서 학습하려면 계산 능력과 전기가 실제로 들어요. 그래서 큰 모델은 전체를 학습시키지 못하고 일부만 손대는 방식을 함께 써요. 또 하나, 동네 사람들이 모두 정직하다고 가정했지만 실제로는 일부러 엉뚱한 표시를 올려 모델을 망치려는 참여자가 있을 수 있어요. 그래서 튀는 값을 걸러 내는 절차가 따로 필요해요.

4직접 해보기

WebLLM Chat (브라우저에서 도는 대화 AI) ailearn.space 대화 내용이 서버로 나가지 않고 내 브라우저 안에서만 처리되는 상태를 먼저 겪어 보세요. 자료가 자기 자리를 떠나지 않는다는 말이 어떤 느낌인지 잡혀요

5흔한 오해

연합 학습을 쓰면 개인정보가 저절로 안전해진다고 생각하기 쉽지만, 실제로는 올라간 갱신량에서 원본을 되짚을 여지가 남아 보호 장치를 함께 얹어야 해요.
각 기기가 자기만의 모델을 갖는 방식이라고 여기기 쉽지만, 실제로는 모두가 힘을 보태 하나의 공용 모델을 만드는 것이 기본 형태예요.
자료를 모으는 방식보다 항상 낫다고 믿기 쉽지만, 실제로는 통신과 계산이 더 들고 자료 쏠림 탓에 같은 점수에 닿기까지 훨씬 오래 걸려요.

7한 줄 요약

그러니까연합 학습은 원본을 자기 자리에 둔 채 모델의 달라진 부분만 모아 합치는 방식이고, 보호 장치를 함께 얹을 때 비로소 개인정보를 지키는 방법이 돼요.

이 비유가 이해에 도움이 됐나요?

잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정2026-09-02