WO2023149660A1 - 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체 - Google Patents

그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체 Download PDF

Info

Publication number
WO2023149660A1
WO2023149660A1 PCT/KR2022/021289 KR2022021289W WO2023149660A1 WO 2023149660 A1 WO2023149660 A1 WO 2023149660A1 KR 2022021289 W KR2022021289 W KR 2022021289W WO 2023149660 A1 WO2023149660 A1 WO 2023149660A1
Authority
WO
WIPO (PCT)
Prior art keywords
federated learning
group signature
client terminal
server
signature
Prior art date
Application number
PCT/KR2022/021289
Other languages
English (en)
French (fr)
Inventor
최봉준
칸찬스네하
Original Assignee
숭실대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교 산학협력단 filed Critical 숭실대학교 산학협력단
Publication of WO2023149660A1 publication Critical patent/WO2023149660A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
    • H04L9/3255—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures using group based signatures, e.g. ring or threshold signatures

Definitions

  • the present invention relates to a group signature-based federated learning method and system, and to a recording medium for performing the same, and more particularly, to a group signature-based federated learning method and system for reducing computational and communication costs incurred in federated learning, It relates to a recording medium for performing this.
  • Federated Learning is a machine learning technology in which multiple local clients and one central server cooperate to learn a global model in a decentralized data environment.
  • the local client may be a terminal used by a user, such as an IoT device or a smart phone.
  • federated learning is machine learning in which the client locally learns a global model using the computing resources of the client rather than sending data to the server, and sends only the learning results of the global model to the central server.
  • a decentralized learning structure or a cross-device federated learning structure is being proposed to solve the single point failure problem that can occur.
  • each client needs to communicate with a plurality of clients, and as the number of clients increases, computational and communication costs increase exponentially.
  • each client exchanges each encryption key, a problem of tracking a user arises.
  • Patent Document 1 Patent Publication No. 10-2019-0096872
  • the present invention has been made to solve the above problems, and an object of the present invention is to provide a group signature-based federated learning method and system capable of performing federated learning based on a group signature, and a recording medium for performing the same.
  • At least one client terminal and an administrator terminal are provided as a group, and a server distributing a federated learning model to the at least one client terminal.
  • a group signature-based federated learning system that includes, the client terminal requesting a group signature from the manager terminal; transmitting, by the manager terminal, a group signature response to the client terminal according to the group signature request; generating update information of federated learning signed by the client terminal using the group signature response, and transmitting the updated information of federated learning to the server to request participating in federated learning update;
  • the server receives the request for participating in the federated learning update, transmitting the latest group signature request to the manager terminal and receiving the latest group signature response from the manager terminal; and the server comparing the latest group signature response with the updated information of the signed federated learning to determine whether the signature matches, and if the signatures match, update the federated learning model and redistribute it to at least
  • the identity signature configuration is performed using the ID information received from the client terminal. creating elements; and generating a first tracking variable and a second tracking variable by selecting a plurality of indices.
  • the group signature response of the group signature-based federated learning method may be generated by including the signature component of the ID, the first and second tracking variables, and the plurality of indices. .
  • generating update information of federated learning signed by the client terminal of the group signature-based federated learning method is a third tracking variable and signature in the group signature response received from the manager terminal. It may be to calculate variables and generate update information of signed federated learning including the calculated third tracking variable and signature variable.
  • the manager terminal receives the latest group signature according to the latest group signature request.
  • the first and second tracking variables included in the group signature response may be transmitted to the server.
  • the step of redistributing the updated federated learning model to the at least one client terminal by the server of the group signature-based federated learning method wherein the server receives the latest group from the manager terminal. storing the signature response; calculating, by the server, a separate signature variable using the latest group signature response; The server comparing a separate signature variable with a signature variable included in the updated information of the signed federated learning transmitted from the client terminal to check whether the signature matches; and when the server confirms the signature matching, confirming the existence of an additional federated learning round.
  • the server confirms that the signatures do not match, the request for participating in the federated learning update transmitted by the client terminal
  • the method may further include rejecting and transmitting a rejection message according to the rejection to the client terminal.
  • the server determines that the additional federated learning round does not exist. If confirmed, the federated learning model may be updated based on the updated information of the signed federated learning delivered from the client terminal, and the updated federated learning model may be redistributed to the at least one client terminal.
  • the client terminal forwarding an additional update request; Retransmitting, by the client terminal, update information of the signed federated learning to the server; and performing, by the server, the additional federated learning round using the latest group signature response stored in the server.
  • a computer program for performing the group signature-based combined learning method may be recorded in a computer-readable recording medium according to an embodiment for achieving another object of the present invention.
  • a federated learning system is a server in which at least one client terminal and an administrator terminal are provided as a group and a federated learning model is distributed to the at least one client terminal.
  • the client terminal requests a group signature from the manager terminal, the manager terminal transmits a group signature response to the client terminal according to the group signature request, and the client terminal uses the group signature response Generates updated information of the signed federated learning, transmits it to the server to request federated learning update participation, and when the server receives the federated learning update participation request, transmits the latest group signature request to the administrator terminal.
  • the server compares the latest group signature response with the updated information of the signed federated learning to determine whether the signature matches, and if the signatures match, the federated learning model It can be updated and redistributed to at least one client terminal.
  • FIG. 1 is a configuration diagram of a group signature-based federated learning system according to an embodiment of the present invention.
  • FIG. 2 is a flow chart diagram of a group signature-based federated learning system according to an embodiment of the present invention.
  • FIG. 3 is a flow diagram for explaining a group signature-based federated learning method according to another embodiment of the present invention.
  • FIG. 4 is a flow diagram for explaining the step of delivering a group signature response of the group signature-based federated learning method according to another embodiment of the present invention.
  • FIG. 5 is a flow diagram for explaining steps of redistributing an updated federated learning model of a group signature-based federated learning method according to another embodiment of the present invention.
  • FIG. 6 is a diagram for explaining a group signature-based federated learning method and system according to an embodiment of the present invention, and symbols and meanings used in a recording medium for performing the method and system.
  • FIG. 1 is a configuration diagram of a group signature-based federated learning system according to an embodiment of the present invention
  • FIG. 2 is a flow chart diagram of a group signature-based federated learning system according to an embodiment of the present invention.
  • the group signature-based federated learning system 1 includes at least one client device 101, 102, 103, ... 10N and an administrator device 300 as a group ( 100), and may include a server 200 that distributes the federated learning model to at least one client terminal (101, 102, 103, ... 10N).
  • At least one client terminal (101, 102, 103, ... 10N) is provided as a device capable of communicating with the manager terminal 300 and the server 200, such as an IoT (Internet of Things) device or a smartphone, but is limited to this I never do that.
  • IoT Internet of Things
  • the client terminal 101 of the group signature-based federated learning system 1 may request a group signature from the manager terminal 300.
  • the client device 101 requests the manager device 300 for a group signature
  • the real ID information used by the client device 101 in the group 100 including the client device 101 is transferred to the manager device 300. ) to request a group signature.
  • the manager device 300 may generate a group signature response according to the group signature request transmitted by the client device 101 and deliver the generated group signature response to the client device 101 that has transmitted ID information.
  • generating a group signature response according to the group signature request is that the manager terminal 300 generates a signature component of the ID using the ID information received from the client terminal 101, and the manager terminal 300 selects A first tracking variable and a second tracking variable are generated through a plurality of indices, and can be generated including a signature component of the generated ID, the first and second tracking variables, and a plurality of indices selected by the manager terminal 300. there is.
  • the signature component of the ID generated by the administrator terminal 300 may be expressed as in [Equation 1]
  • the first and second tracking variables may be expressed as in [Equation 2].
  • the signature component of the identity is a generator
  • Is the secret key of the manager terminal 300 is the real ID of the client terminals 101, 102, 103, ... 10N, It is an isomorphic bilinear group pair.
  • a, b, u, and v are exponents used for signing, and are arbitrarily selected by the manager terminal 300.
  • the client terminal 101 may generate updated information of the signed federated learning using the group signature response received from the manager terminal 300 .
  • the client terminal 101 locally learns the federated learning model transmitted from the server 200 to generate updated federated learning information as system update information of the learned client terminals 101, 102, 103, ... 10N.
  • update information of signed federated learning can be generated by including the generated updated federated learning information and the calculated third tracking variable and signature variable.
  • the client terminal 101 may generate and include additional challenge variables when generating update information of signed federated learning, or may omit generating additional additional challenge variables.
  • the third tracking variable is a hash function
  • a and b are multiple indices included in the group signature response.
  • C is the challenge variable
  • C1 and C2 are the first and second tracking variables
  • C3 is the third tracking variable
  • [Equation 5] is an equation representing signature variable generation
  • [Equation 6] is an equation representing update information generation of signed federated learning.
  • a signature variable is a signature variable
  • a, b, u, and v are a plurality of indices selected by the manager terminal 300
  • c is a challenge variable
  • is an intermediate variable used to calculate the binding variables is the client terminal ID.
  • the intermediate variable is the client terminal ID It is calculated as the product of a and the index a selected by the manager terminal, is the client terminal ID It is calculated as the product of b and b, which is the index selected by the manager terminal.
  • the client terminal 101 may generate signed federated learning update information including a third tracking variable, a challenge variable, and a signature variable.
  • the client terminal 101 since the client terminal 101 generates only the third tracking variable through the group signature response delivered by the manager terminal 300, personal information can be protected with minimal resources.
  • the client terminal 101 may transmit the generated signed federated learning update information to the server 200 to request participation in federated learning update.
  • the server 200 may transmit the latest group signature request to the manager terminal 300.
  • the manager device 300 may deliver the latest group signature response according to the latest group signature request to the client device 101 .
  • the latest group signature response may be transmitted to the server 200 including the first and second tracking variables included in the group signature request transmitted from the manager terminal 300 to the client terminal 101 .
  • the server 200 compares the latest group signature response received from the manager terminal 300 with the updated information of the signed update federated learning received from the client terminal 101 to determine whether the signature matches.
  • the server 200 may calculate a separate signature variable through the first and second tracking variables included in the latest group signature response received from the manager terminal 300 .
  • the calculation of the separate signature variable by the server 200 is the separate index selected in the process of generating the first and second tracking variables by the manager terminal 300 and the signed update received from the client terminal 101. It can be calculated as in [Equation 5] described above using different variables included in the update information of federated learning.
  • the server 200 compares the separate signature variable calculated by the server 200 with the signature variable included in the update information of the signed update federated learning received from the client terminal 101 to determine whether the signature matches.
  • the server 200 confirms that the signatures of the update of the signed update federated learning match, the existence of an additional federated learning round is confirmed, and when it is confirmed that the signatures do not match, the client terminal 101
  • the transmitted federated learning update participation request may be rejected, and a rejection message according to the rejection may be delivered to the client terminal 101.
  • the server 200 checks the signature matching of the update of the signed update federated learning, and checks the existence of an additional federated learning round according to whether the learning accuracy requirement is satisfied and the limited learning period, so that the additional federated learning round does not exist. If confirmed, the federated learning model may be updated based on the updated information of the signed federated learning transmitted from the client terminal 101, and the updated federated learning model may be redistributed to at least one client terminal.
  • the server 200 may check the presence of additional federated learning rounds and, if there are additional federated learning rounds, transmit an additional update request to the client terminal 101 .
  • the server 200 receives the updated information of the signed federated learning from the client terminal 101, This is the process of verifying the signature.
  • the client device 101 retransmits the updated information of the signed federated learning to the server 200, and the server 200 may further perform an additional federated learning round using the latest group signature response stored in the first round. there is.
  • the server 200 verifies the signature of the updated information of the signed federated learning through the first and second tracking variables included in the latest group signature response stored in the first round, a separate tracking variable is not required. Accordingly, it is possible to prevent repeated transmission of the tracking variable used to track the signature.
  • the server 200 updates the federated learning by checking the signatures of update information of the federated learning signed in all rounds through the first and second tracking variables included in the latest group signature response stored in the first round, and updates the federated learning.
  • the combined learning may be redistributed to at least one client terminal (101, 102, 103, ... 10N).
  • the group signature-based federated learning method according to another embodiment of the present invention, at least one client terminal (101, 102, 103, ... 10N) and an administrator terminal 300 are provided as a group 100, and at least one It is performed by the group signature-based federated learning system 1 including the server 200 distributing the federated learning model to the client terminals 101, 102, 103, ... 10N.
  • FIG. 3 is a flow diagram for explaining a group signature-based federated learning method according to another embodiment of the present invention
  • FIG. 4 is a step of transmitting a group signature response of the group signature-based federated learning method according to another embodiment of the present invention
  • 5 is a flow diagram for explaining a step of redistributing an updated federated learning model of a group signature-based federated learning method according to another embodiment of the present invention.
  • a group signature-based federated learning method includes the steps of the client terminal 101 requesting a group signature from the manager terminal 300 (S310); Transmitting, by the manager terminal 300, a group signature response to the client terminal 101 according to the group signature request (S330); The client terminal 101 generates update information of the federated learning signed using the group signature response, transmits it to the server 200, and requests participation in the federated learning update (S350); When the server 200 receives a request for participating in federated learning update, transmitting the latest group signature request to the manager terminal 300 and receiving the latest group signature response from the manager terminal 300 (S370); And the server 200 compares the latest group signature response with the updated information of the signed federated learning to determine whether the signature matches, and if the signatures match, updates the federated learning model to at least one client terminal (101, 102, 103, ... 10N) may be performed including redistribution (S390).
  • the step of transmitting the group signature response to the client terminal 101 according to the group signature request by the administrator terminal 300 of the group signature-based federated learning method according to another embodiment of the present invention (S330), the client terminal ( 101) generating a signature component of the ID using the ID information transmitted from (S331); and generating a first tracking variable and a second tracking variable by selecting a plurality of indices (S333).
  • the server 200 of the group signature-based federated learning method compares the latest group signature response with the updated information of the signed federated learning to determine whether the signature matches, and if the signatures match, Updating the federated learning model and redistributing it to at least one client terminal (101, 102, 103, ...
  • S390 is the step of storing the latest group signature response received from the manager terminal (300) by the server (S391 );
  • the server 200 calculates a separate signature variable using the latest group signature response (S392);
  • the server 200 compares a separate signature variable with the signature variable included in the updated information of the signed federated learning received from the client terminal 101 to check whether the signature matches (S393, S394); and when the server 200 confirms the signature matching, a step of confirming the existence of an additional federated learning round (S395).
  • the server 200 of the group signature-based federated learning method compares a separate signature variable with the signature variable included in the updated information of the signed federated learning received from the client terminal 101 Steps (S393, S394) of checking whether the signatures match, if the server 200 confirms that the signatures do not match, rejects the request to participate in the federated learning update transmitted by the client terminal 101, and rejects the rejection message according to the rejection. It may be performed by further including a step (S3941) of delivering to the client terminal 101.
  • the server 200 of the group signature-based federated learning method confirms by signature matching
  • the server 200 adds If it is confirmed that the federated learning round does not exist, the federated learning model is updated based on the update information of the signed federated learning received from the client terminal 101, and at least one of the client terminals 101, 102, 103, . . . 10N), the updated federated learning model can be redistributed (S396).
  • the server 200 of the group signature-based federated learning method confirms by signature matching, the step of confirming the existence of an additional federated learning round (S395), the server 200 adds If it is confirmed that the federated learning round exists, transmitting an additional update request to the client terminal 101 (S3951); Retransmitting, by the client terminal 101, update information of the signed federated learning to the server 200 (S3953); and the server 200 performing an additional federated learning round using the latest group signature response stored in the server 200 (S3955).
  • group signature-based federated learning method of the present invention can be implemented in the form of program instructions that can be executed through various computer components and recorded on a computer-readable recording medium.
  • a computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on a computer readable recording medium may be those specially designed and configured for the present invention, as well as those known and usable to those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. media), and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter or the like as well as machine language codes such as those produced by a compiler.
  • the hardware device may be configured to act as one or more software modules to perform processing according to the present invention and vice versa.
  • 100 a group composed of at least one client terminal and an administrator terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Storage Device Security (AREA)

Abstract

본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법은, 적어도 하나의 클라이언트 단말과 관리자 단말이 그룹으로 마련되고, 상기 적어도 하나의 클라이언트 단말에 연합학습 모델을 배포하는 서버를 포함하는 그룹 서명 기반 연합학습 시스템에 의해 수행되며, 상기 클라이언트 단말이 상기 관리자 단말에 그룹서명을 요청하는 단계; 상기 관리자 단말이 상기 그룹서명의 요청에 따라 상기 클라이언트 단말에 그룹서명응답을 전달하는 단계; 상기 클라이언트 단말이 상기 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 상기 서버에 전달하여 연합학습 업데이트 참여를 요청하는 단계; 상기 서버가 상기 연합학습 업데이트 참여의 요청을 전달받는 경우, 상기 관리자 단말에 최신그룹서명요청을 전달하여 상기 관리자 단말로부터 최신그룹서명응답을 전달받는 단계; 및 상기 서버가 상기 최신그룹서명응답과 상기 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말에 재배포하는 단계를 포함할 수 있다.

Description

그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체
본 발명은 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체에 관한 것으로, 보다 상세하게는, 연합학습에서 발생하는 계산 비용과 통신 비용을 절감하기 위한 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체에 관한 것이다.
연합학습(Federated Learning)은 다수의 로컬 클라이언트와 하나의 중앙 서버가 협력하여 데이터가 탈중앙화된 상황에서 글로벌 모델을 학습하는 기계학습 기술이다. 여기서, 로컬 클라이언트는 예컨대 사물 인터넷 기기, 스마트 폰 등 사용자가 사용하는 단말이 될 수 있다.
이러한, 연합학습은 McMahan이 2017년에 논문으로 처음 발표한 이후, 2017년도 구글 AI 블로그에서 공식적으로 소개되며, 제로 모바일 Google Gboard에 적용되는 기술로서 많은 주목을 받기 시작했다.
한편, 연합학습은 클라이언트가 서버에 데이터를 전송하는 것이 아닌 클라이언트의 컴퓨팅 자원을 이용하여 글로벌 모델을 지역적으로 학습하고, 글로벌 모델의 학습 결과만을 중앙 서버에 보내는 기계 학습이며, 중앙 서버의 사용으로 인해 발생할 수 있는 단일 장애 지점(single point failure)문제를 해결하기 위해 탈중앙 학습 구조 또는 Cross-Device 연합학습 구조가 제안되고 있다.
그러나, 탈중앙 학습 구조에서 비밀을 유지하고, 개인정보를 보호하기 위해서 각 클라이언트가 복수 개의 클라이언트와 통신이 필요하며, 클라이언트 수가 증가할수록 계산 비용과 통신 비용이 기하급수적으로 증가하는 문제가 존재하며, 또한, 각각의 클라이언트들이 각각의 암호 키를 주고받기 때문에 사용자를 추적할 수 있는 문제가 발생한다.
[선행기술문헌]
[특허문헌]
(특허문헌 1) 공개특허공보 제10-2019-0096872호
본 발명은 상기 문제점을 해소하기 위하여 안출된 것으로, 본 발명의 목적은 그룹 서명을 기반으로 연합학습을 수행할 수 있는 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체를 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법은, 적어도 하나의 클라이언트 단말과 관리자 단말이 그룹으로 마련되고, 상기 적어도 하나의 클라이언트 단말에 연합학습 모델을 배포하는 서버를 포함하는 그룹 서명 기반 연합학습 시스템에 의해 수행되며, 상기 클라이언트 단말이 상기 관리자 단말에 그룹서명을 요청하는 단계; 상기 관리자 단말이 상기 그룹서명의 요청에 따라 상기 클라이언트 단말에 그룹서명응답을 전달하는 단계; 상기 클라이언트 단말이 상기 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 상기 서버에 전달하여 연합학습 업데이트 참여를 요청하는 단계; 상기 서버가 상기 연합학습 업데이트 참여의 요청을 전달받는 경우, 상기 관리자 단말에 최신그룹서명요청을 전달하여 상기 관리자 단말로부터 최신그룹서명응답을 전달받는 단계; 및 상기 서버가 상기 최신그룹서명응답과 상기 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말에 재배포하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 관리자 단말이 상기 클라이언트 단말에 상기 그룹서명응답을 전달하는 단계는, 상기 클라이언트 단말로부터 전달받은 아이디 정보를 이용하여 아이디의 서명 구성 요소를 생성하는 단계; 및 복수 개의 지수를 선택하여 제1 추적 변수 및 제2 추적 변수를 생성하는 단계를 포함할 수 있다.
여기서, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 그룹서명응답은, 상기 아이디의 서명 구성 요소, 상기 제1, 제2 추적 변수 및 상기 복수 개의 지수를 포함하여 생성될 수 있다.
또한, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 클라이언트 단말이 서명된 연합학습의 업데이트 정보를 생성하는 것은, 상기 관리자 단말로부터 전달받은 상기 그룹서명응답에서 제3 추적 변수 및 서명변수를 계산하고, 계산된 상기 제3 추적 변수 및 서명변수를 포함하여 서명된 연합학습의 업데이트 정보를 생성하는 것일 수 있다.
한편, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 서버가 상기 관리자 단말로부터 상기 최신그룹서명응답을 전달받는 단계는, 상기 관리자 단말이 상기 최신그룹서명요청에 따른 상기 최신그룹서명응답으로 상기 그룹서명응답에 포함된 상기 제1, 제2 추적 변수를 포함하여 상기 서버에 전달할 수 있다.
또한, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 서버가 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포하는 단계는, 상기 서버가 상기 관리자 단말로부터 전달받은 상기 최신그룹서명응답을 저장하는 단계; 상기 서버가 상기 최신그룹서명응답을 이용하여 별도의 서명변수를 계산하는 단계; 상기 서버가 별도의 서명변수와 상기 클라이언트 단말로부터 전달받은 상기 서명된 연합학습의 업데이트 정보에 포함된 서명변수를 비교하여 서명 일치에 대한 여부를 확인하는 단계; 및 상기 서버가 서명 일치로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 서명 일치에 대한 여부를 확인하는 단계는, 상기 서버가 서명 불일치로 확인하는 경우, 상기 클라이언트 단말이 전달한 연합학습 업데이트 참여의 요청을 거부하고, 거부에 따른 거부 메시지를 상기 클라이언트 단말에 전달하는 단계를 더 포함할 수 있다.
한편, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 서버가 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포하는 단계는, 상기 서버가 상기 추가 연합학습 라운드가 존재하지 않은 것으로 확인하는 경우, 상기 클라이언트 단말로부터 전달받은 상기 서명된 연합학습의 업데이트 정보를 기초하여 상기 연합학습 모델을 업데이트하고, 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포할 수 있다.
한편, 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 방법의 상기 추가 연합학습 라운드의 존재를 확인하는 단계는, 상기 서버가 상기 추가 연합학습 라운드가 존재하는 것으로 확인하는 경우, 상기 클라이언트 단말에 추가 업데이트 요청을 전달하는 단계; 상기 클라이언트 단말이 상기 서명된 연합학습의 업데이트 정보를 상기 서버에 재전달하는 단계; 및 상기 서버가 상기 서버에 저장된 상기 최신그룹서명응답을 이용하여 상기 추가 연합학습 라운드를 수행하는 단계를 더 포함할 수 있다.
상기한 본 발명의 다른 목적을 달성하기 위한 일 실시예에 따른 컴퓨터로 판독 가능한 기록 매체에는, 상기 그룹 서명 기반 연합학습 방법을 수행하기 위한, 컴퓨터 프로그램이 기록될 수 있다.
상기한 본 발명의 또 다른 목적을 달성하기 위한 일 실시예에 따른 연합학습 시스템은, 적어도 하나의 클라이언트 단말과 관리자 단말이 그룹으로 마련되고, 상기 적어도 하나의 클라이언트 단말에 연합학습 모델을 배포하는 서버를 포함하며, 상기 클라이언트 단말은 상기 관리자 단말에 그룹서명을 요청하고, 상기 관리자 단말은 상기 그룹서명 요청에 따라 상기 클라이언트 단말에 그룹서명응답을 전달하고, 상기 클라이언트 단말은 상기 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 상기 서버에 전달하여 연합학습 업데이트 참여를 요청하고, 상기 서버는 상기 연합학습 업데이트 참여의 요청을 전달받는 경우, 상기 관리자 단말에 최신그룹서명요청을 전달하여 상기 관리자 단말로부터 최신그룹서명응답을 전달받고, 상기 서버는 상기 최신그룹 서명응답과 상기 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말에 재배포할 수 있다.
상술한 본 발명의 일측면에 따르면, 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체를 제공함으로써, 클라이언트 수가 증가할수록 증가하는 계산 비용 및 통신 비용을 절감할 수 있다.
또한, 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체를 제공함으로써, 최소한의 자원으로 개인 정보를 보호할 수 있다.
도 1은 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템의 구성 도면이다.
도 2는 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템의 플로우 차트 도면이다.
도 3은 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법을 설명하기 위한 흐름 도면이다.
도 4는 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법의 그룹서명응답을 전달하는 단계를 설명하기 위한 흐름 도면이다.
도 5는 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법의 업데이트된 연합학습 모델을 재배포하는 단계를 설명하기 위한 흐름 도면이다.
도 6는 본 발명의 실시 예에 따른 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체에 사용되는 기호와 의미를 설명하기 위한 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
또한, 본 발명의 특징 및 이점들은 첨부도면에 의거한 상세한 설명으로 더욱 명해질 것이며, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이고, 사전적인 의미로 해석되어서는 아니 되며, 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야 한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템의 구성 도면이고, 도 2는 본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템의 플로우 차트 도면이다.
본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템(1)은 도 1에 도시된 바와 같이, 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)과 관리자 단말(300)이 그룹(100)으로 마련되고, 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 연합학습 모델을 배포하는 서버(200)를 포함하여 마련될 수 있다.
여기서, 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)은 IoT(Internet of Things) 기기, 스마트폰 등 관리자 단말(300) 및 서버(200)와 통신이 가능한 장치로 마련되지만, 이에 한정하지 않는다.
본 발명의 일 실시예에 따른 그룹 서명 기반 연합학습 시스템(1)의 클라이언트 단말(101)은 도 2에 도시된 바와 같이, 관리자 단말(300)에 그룹서명을 요청할 수 있다.
여기서, 클라이언트 단말(101)이 관리자 단말(300)에 그룹서명을 요청하는 것은, 클라이언트 단말(101)이 포함된 그룹(100)에서 클라이언트 단말(101)이 사용하는 실제 아이디 정보를 관리자 단말(300)에 전달하여 그룹서명을 요청할 수 있다.
한편, 관리자 단말(300)은 클라이언트 단말(101)이 전달한 그룹서명 요청에 따라 그룹서명응답을 생성하고, 생성된 그룹서명응답을 아이디 정보를 전달한 클라이언트 단말(101)에 전달할 수 있다.
여기서, 그룹서명 요청에 따라 그룹서명응답을 생성하는 것은, 관리자 단말(300)이 클라이언트 단말(101)로부터 전달받은 아이디 정보를 이용하여 아이디의 서명 구성 요소를 생성하고, 관리자 단말(300)이 선택한 복수 개의 지수를 통해 제1 추적 변수 및 제2 추적 변수를 생성하며, 생성한 아이디의 서명 구성 요소, 제1, 제2 추적 변수 및 관리자 단말(300)이 선택한 복수 개의 지수를 포함하여 생성될 수 있다.
이때, 관리자 단말(300)이 생성하는 아이디의 서명 구성 요소는 [수학식 1]과 같이 나타낼 수 있으며, 제1 및 제2 추적 변수는 [수학식 2]와 같이 나타낼 수 있다.
[수학식 1]
Figure PCTKR2022021289-appb-img-000001
여기서,
Figure PCTKR2022021289-appb-img-000002
는 아이디의 서명 구성 요소이고,
Figure PCTKR2022021289-appb-img-000003
는 제너레이터(generator)이며,
Figure PCTKR2022021289-appb-img-000004
는 관리자 단말(300)의 비밀 키이고,
Figure PCTKR2022021289-appb-img-000005
는 클라이언트 단말(101, 102, 103, … 10N)의 실제 아이디이며,
Figure PCTKR2022021289-appb-img-000006
동형이선형군 쌍(Isomorphic bilinear group pair)이다.
[수학식 2]
Figure PCTKR2022021289-appb-img-000007
여기서,
Figure PCTKR2022021289-appb-img-000008
및
Figure PCTKR2022021289-appb-img-000009
는 제1 추적 변수, 제2 추적 변수이고, a, b, u, v는 서명에 사용되는 지수로서, 관리자 단말(300)이 임의로 선택한 지수이다.
한편, 클라이언트 단말(101)은 관리자 단말(300)로부터 전달받은 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성할 수 있다.
여기서, 클라이언트 단말(101)은 서버(200)로부터 전달받은 연합학습 모델을 지역 학습하여 학습된 클라이언트 단말(101, 102, 103, … 10N)의 시스템 업데이트 정보로써, 업데이트된 연합학습 정보를 생성할 수 있다.
또한, 클라이언트 단말(101)이 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하는 것은, 관리자 단말(300)로부터 전달받은 그룹서명응답을 이용하여 제3 추적 변수 및 서명변수를 계산하고, 생성한 업데이트된 연합학습 정보와 계산한 제3 추적 변수 및 서명변수를 포함하는 것으로 서명된 연합학습의 업데이트 정보를 생성할 수 있다.
여기서, 클라이언트 단말(101)은 서명된 연합학습의 업데이트 정보를 생성할 시, 별도의 챌린지 변수를 더 생성하여 포함하거나, 별도의 챌린지 변수를 더 생성하는 것을 생략할 수 있다.
이때, 클라이언트 단말(101)이 그룹서명응답을 이용하여 제3 추적 변수를 생성하는 것은 [수학식 3]과 같이 나타낼 수 있다.
[수학식 3]
Figure PCTKR2022021289-appb-img-000010
여기서
Figure PCTKR2022021289-appb-img-000011
는 제3 추적 변수이고,
Figure PCTKR2022021289-appb-img-000012
는 해쉬 함수이고, a, b는 그룹서명응답에 포함된 복수의 지수이다.
한편, 클라이언트 단말(101)이 챌린지 변수를 더 생성하는 것은 [수학식 4]와 같이 나타낼 수 있다.
[수학식 4]
Figure PCTKR2022021289-appb-img-000013
여기서 C 는 챌린지 변수이고, C1,C2는 제1, 제2 추적 변수이고, C3는 제3 추적 변수이며,
Figure PCTKR2022021289-appb-img-000014
는 바인딩 변수이다.
한편, 클라이언트 단말(101)이 서명 변수를 생성하는 것은 [수학식 5], [수학식 6]와 같이 나타낼 수 있다.
여기서, [수학식 5]는 서명 변수 생성을 나타내는 수학식이고, [수학식 6]은 서명된 연합학습의 업데이트 정보 생성을 나타내는 수학식이다.
[수학식 5]
Figure PCTKR2022021289-appb-img-000015
여기서,
Figure PCTKR2022021289-appb-img-000016
는 서명 변수이고, a, b, u, v는 관리자 단말(300)이 선택한 복수 개의 지수이며, c는 챌린지 변수이고,
Figure PCTKR2022021289-appb-img-000017
는 바인딩 변수들을 계산하기 위해 사용되는 중간 변수이고,
Figure PCTKR2022021289-appb-img-000018
는 클라이언트 단말 아이디이다.
여기서, 중간 변수
Figure PCTKR2022021289-appb-img-000019
는 클라이언트 단말 아이디
Figure PCTKR2022021289-appb-img-000020
와 관리자 단말이 선택한 지수인 a의 곱으로 계산되고,
Figure PCTKR2022021289-appb-img-000021
는 클라이언트 단말 아이디
Figure PCTKR2022021289-appb-img-000022
와 관리자 단말이 선택한 지수인 b의 곱으로 계산된다.
[수학식 6]
Figure PCTKR2022021289-appb-img-000023
여기서,
Figure PCTKR2022021289-appb-img-000024
는 서명된 연합학습의 업데이트 정보이며, 클라이언트 단말(101)이 제3 추적 변수, 챌린지 변수 및 서명변수를 포함하여 서명된 연합학습 업데이트 정보를 생성할 수 있다.
여기서, 클라이어트 단말(101)은 관리자 단말(300)이 전달한 그룹서명응답을 통해 제3 추적 변수만을 생성하므로, 최소한의 자원으로 개인 정보를 보호할 수 있다.
한편, 클라이언트 단말(101)은 생성한 서명된 연합학습 업데이트 정보를 서버(200)로 전달하여 연합학습 업데이트 참여를 요청할 수 있다.
이때, 서버(200)는 클라이언트 단말(101)에 연합학습 업데이트 참여의 요청을 전달받는 경우, 관리자 단말(300)에 최신그룹서명요청을 전달할 수 있다.
또한, 관리자 단말(300)은 최신그룹서명요청에 따른 최신그룹서명응답을 클라이언트 단말(101)에 전달할 수 있다.
여기서, 최신그룹서명응답은 관리자 단말(300)이 클라이언트 단말(101)에 전달한 그룹서명요청에 포함된 제1 및 제2 추적 변수를 포함하여 서버(200)에 전달할 수 있다.
이에, 서버(200)는 관리자 단말(300)로부터 전달받은 최신그룹서명응답과 클라이언트 단말(101)로부터 전달받은 서명된 업데이트 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단할 수 있다.
이때, 서버(200)는 관리자 단말(300)로부터 전달받은 최신그룹서명응답에 포함된 제1 및 제2 추적변수를 통해 별도의 서명변수를 계산할 수 있다.
여기서, 서버(200)가 별도의 서명변수를 계산하는 것은, 관리자 단말(300)이 제1 및 제2 추적 변수를 생성하는 과정에서 선택한 별도의 지수와 클라이언트 단말(101)로부터 전달받은 서명된 업데이트 연합학습의 업데이트 정보에 포함된 서로 다른 변수를 이용하여 상단에서 상술한 [수학식 5]와 같이 계산될 수 있다.
그리고, 서버(200)는 서버(200)가 계산한 별도의 서명변수와 클라이언트 단말(101)로부터 전달받은 서명된 업데이트 연합학습의 업데이트 정보에 포함된 서명변수를 비교하여 서명 일치에 대한 여부를 확인할 수 있다.
이에, 서버(200)는 서명된 업데이트 연합학습의 업데이트의 서명이 일치하는 것으로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하고, 서명이 일치하지 않은 것으로 확인하는 경우, 클라이언트 단말(101)가 전달한 연합학습 업데이트 참여의 요청을 거부하고, 거부에 따른 거부 메시지를 클라이언트 단말(101)에 전달할 수 있다.
한편, 서버(200)는 서명된 업데이트 연합학습의 업데이트의 서명 일치를 확인하고, 학습 정확도 요구사항 만족 여부 및 제한된 학습 기간에 따라 추가 연합학습 라운드의 존재를 확인하여 추가 연합학습 라운드가 존재하지 않은 것으로 확인하는 경우, 클라이언트 단말(101)로부터 전달받은 서명된 연합학습의 업데이트 정보를 기초하여 연합학습 모델을 업데이트하고, 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포할 수 있다.
한편, 서버(200)는 추가 연합학습 라운드의 존재를 확인하여 추가 연합학습 라운드가 존재하는 경우, 클라이언트 단말(101)에 추가 업데이트 요청을 전달할 수 있다.
여기서, 서버(200)가 확인하는 추가 연합학습 라운드는, 도2에 도시된 것처럼 서버(200)가 클라이언트 단말(101)로부터 서명된 연합학습의 업데이트 정보를 전달받아 서명된 연합학습의 업데이트 정보의 서명을 확인하는 과정이다.
또한, 클라이언트 단말(101)은 서명된 연합학습의 업데이트 정보를 서버(200)에 재전달하고, 서버(200)는 첫 라운드에서 저장된 최신그룹서명응답을 이용하여 추가 연합학습 라운드를 더 수행할 수 있다.
여기서, 서버(200)는 첫 라운드에서 저장된 최신그룹서명응답에 포함된 제1 및 제2 추적변수를 통해 서명된 연합학습의 업데이트 정보의 서명을 확인하므로, 별도의 추적 변수가 필요하지 않으며, 이에 따라, 서명을 추적하는데 사용되는 추적 변수가 반복적으로 전송되는 것을 방지할 수 있다.
이에 따라, 서버(200)는 첫 라운드에서 저장된 최신그룹서명응답에 포함된 제1 및 제2 추적변수를 통해 모든 라운드의 서명된 연합학습의 업데이트 정보의 서명을 확인하여 연합학습을 업데이트하고, 업데이트된 연합학습을 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 재배포할 수 있다.
한편, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법은 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)과 관리자 단말(300)이 그룹(100)으로 마련되고, 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 연합학습 모델을 배포하는 서버(200)를 포함하는 그룹 서명 기반 연합학습 시스템(1)에 의해 수행되며, 이하에서, 도 3, 도 4 및 도 5를 통해 설명하고자 한다.
도 3은 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법을 설명하기 위한 흐름 도면이고, 도 4는 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법의 그룹서명응답을 전달하는 단계를 설명하기 위한 흐름 도면이고, 도 5는 본 발명의 다른 실시예에 따른 그룹 서명 기반 연합학습 방법의 업데이트된 연합학습 모델을 재배포하는 단계를 설명하기 위한 흐름 도면이다.
본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법은 클라이언트 단말(101)이 관리자 단말(300)에 그룹서명을 요청하는 단계(S310); 관리자 단말(300)이 그룹서명의 요청에 따라 클라이언트 단말(101)에 그룹서명응답을 전달하는 단계(S330); 클라이언트 단말(101)이 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 서버(200)에 전달하여 연합학습 업데이트 참여를 요청하는 단계(S350); 서버(200)가 연합학습 업데이트 참여의 요청을 전달받는 경우, 관리자 단말(300)에 최신그룹서명요청을 전달하여 관리자 단말(300)로부터 최신그룹서명응답을 전달받는 단계(S370); 및 서버(200)가 최신그룹서명응답과 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 재배포하는 단계(S390)를 포함하여 수행될 수 있다.
또한, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법의 관리자 단말(300)이 그룹서명의 요청에 따라 클라이언트 단말(101)에 그룹서명응답을 전달하는 단계(S330)는, 클라이언트 단말(101)로부터 전달받은 아이디 정보를 이용하여 아이디의 서명 구성 요소를 생성하는 단계(S331); 및 복수 개의 지수를 선택하여 제1 추적변수 및 제2 추적변수를 생성하는 단계(S333)를 포함하여 수행될 수 있다.
또한, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법의 서버(200)가 최신그룹서명응답과 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 재배포하는 단계(S390)는, 서버가 관리자 단말(300)로부터 전달받은 최신그룹서명응답을 저장하는 단계(S391); 서버(200)가 최신그룹서명응답을 이용하여 별도의 서명변수를 계산하는 단계(S392); 서버(200)가 별도의 서명변수와 클라이언트 단말(101)로부터 전달받은 서명된 연합학습의 업데이트 정보에 포함된 서명변수를 비교하여 서명 일치에 대한 여부를 확인하는 단계(S393, S394); 및 서버(200)가 서명일치로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하는 단계(S395)를 포함하여 수행될 수 있다.
또한, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법의 서버(200)가 별도의 서명변수와 클라이언트 단말(101)로부터 전달받은 서명된 연합학습의 업데이트 정보에 포함된 서명변수를 비교하여 서명 일치에 대한 여부를 확인하는 단계(S393, S394)는, 서버(200)가 서명 불일치로 확인하는 경우, 클라이언트 단말(101)이 전달한 연합학습 업데이트 참여의 요청을 거부하고, 거부에 따른 거부 메시지를 클라이언트 단말(101)에 전달하는 단계(S3941)을 더 포함하여 수행될 수 있다.
한편, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법의 서버(200)가 서명일치로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하는 단계(S395)는, 서버(200)가 추가 연합학습 라운드가 존재하지 않은 것으로 확인하는 경우, 클라이언트 단말(101)로부터 전달받은 서명된 연합학습의 업데이트 정보를 기초하여 연합학습 모델을 업데이트하고, 적어도 하나의 클라이언트 단말(101, 102, 103, … 10N)에 업데이트된 연합학습 모델을 재배포(S396)할 수 있다.
또한, 본 발명의 다른 실시 예에 따른 그룹 서명 기반 연합학습 방법의 서버(200)가 서명일치로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하는 단계(S395)는, 서버(200)가 추가 연합학습 라운드가 존재하는 것으로 확인하는 경우, 클라이언트 단말(101)에 추가 업데이트 요청을 전달하는 단계(S3951); 클라이언트 단말(101)이 서명된 연합학습의 업데이트 정보를 서버(200)에 재전달하는 단계(S3953); 및 서버(200)가 서버(200)에 저장된 최신그룹서명응답을 이용하여 추가 연합학습 라운드를 수행하는 단계(S3955)를 더 포함하여 수행될 수 있다.
그리고, 이와 같은 본 발명의 그룹 서명 기반 연합학습 방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들임은 물론, 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 본 발명의 다양한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
[부호의 설명]
1 : 그룹 서명 기반 연합학습 시스템
100 : 적어도 하나의 클라이언트 단말과 관리자 단말로 마련된 그룹
101, 102, 103, 쪋 10N : 적어도 하나의 클라이언트 단말
200 : 서버
300 : 관리자 단말

Claims (11)

  1. 적어도 하나의 클라이언트 단말과 관리자 단말이 그룹으로 마련되고, 상기 적어도 하나의 클라이언트 단말에 연합학습 모델을 배포하는 서버를 포함하는 그룹 서명 기반 연합학습 시스템에 의한 그룹 서명 기반 연합학습 방법에 있어서,
    상기 클라이언트 단말이 상기 관리자 단말에 그룹서명을 요청하는 단계;
    상기 관리자 단말이 상기 그룹서명의 요청에 따라 상기 클라이언트 단말에 그룹서명응답을 전달하는 단계;
    상기 클라이언트 단말이 상기 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 상기 서버에 전달하여 연합학습 업데이트 참여를 요청하는 단계;
    상기 서버가 상기 연합학습 업데이트 참여의 요청을 전달받는 경우, 상기 관리자 단말에 최신그룹서명요청을 전달하여 상기 관리자 단말로부터 최신그룹서명응답을 전달받는 단계; 및
    상기 서버가 상기 최신그룹서명응답과 상기 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말에 재배포하는 단계;를 포함하는 그룹 서명 기반 연합학습 방법.
  2. 제1항에 있어서,
    상기 관리자 단말이 상기 클라이언트 단말에 상기 그룹서명응답을 전달하는 단계는,
    상기 클라이언트 단말로부터 전달받은 아이디 정보를 이용하여 아이디의 서명 구성 요소를 생성하는 단계; 및
    복수 개의 지수를 선택하여 제1 추적 변수 및 제2 추적 변수를 생성하는 단계;를 포함하는 그룹 서명 기반 연합학습 방법.
  3. 제2항에 있어서,
    상기 그룹서명응답은,
    상기 아이디의 서명 구성 요소, 상기 제1, 제2 추적 변수 및 상기 복수 개의 지수를 포함하여 생성되는 그룹 서명 기반 연합학습 방법.
  4. 제3항에 있어서,
    상기 클라이언트 단말이 서명된 연합학습의 업데이트 정보를 생성하는 것은,
    상기 관리자 단말로부터 전달받은 상기 그룹서명응답에서 제3 추적 변수 및 서명변수를 계산하고, 계산된 상기 제3 추적 변수 및 서명변수를 포함하여 서명된 연합학습의 업데이트 정보를 생성하는 그룹 서명 기반 연합학습 방법.
  5. 제3항에 있어서,
    상기 서버가 상기 관리자 단말로부터 상기 최신그룹서명응답을 전달받는 단계는,
    상기 관리자 단말이 상기 최신그룹서명요청에 따른 상기 최신그룹서명응답으로 상기 그룹서명응답에 포함된 상기 제1, 제2 추적 변수를 포함하여 상기 서버에 전달하는 그룹 서명 기반 연합학습 방법.
  6. 제4항에 있어서,
    상기 서버가 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포하는 단계는,
    상기 서버가 상기 관리자 단말로부터 전달받은 상기 최신그룹서명응답을 저장하는 단계;
    상기 서버가 상기 최신그룹서명응답을 이용하여 별도의 서명변수를 계산하는 단계;
    상기 서버가 별도의 서명변수와 상기 클라이언트 단말로부터 전달받은 상기 서명된 연합학습의 업데이트 정보에 포함된 서명변수를 비교하여 서명 일치에 대한 여부를 확인하는 단계; 및
    상기 서버가 서명 일치로 확인하는 경우, 추가 연합학습 라운드의 존재를 확인하는 단계;를 포함하는 그룹 서명 기반 연합학습 방법.
  7. 제6항에 있어서,
    상기 서명 일치에 대한 여부를 확인하는 단계는,
    상기 서버가 서명 불일치로 확인하는 경우, 상기 클라이언트 단말이 전달한 연합학습 업데이트 참여요청을 거부하고, 거부에 따른 거부 메시지를 상기 클라이언트 단말에 전달하는 단계;를 더 포함하는 그룹 서명 기반 연합학습 방법.
  8. 제6항에 있어서,
    상기 서버가 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포하는 단계는,
    상기 서버가 상기 추가 연합학습 라운드가 존재하지 않은 것으로 확인하는 경우, 상기 클라이언트 단말로부터 전달받은 상기 서명된 연합학습의 업데이트 정보를 기초하여 상기 연합학습 모델을 업데이트하고, 상기 적어도 하나의 클라이언트 단말에 업데이트된 연합학습 모델을 재배포하는 그룹 서명 기반 연합학습 방법.
  9. 제6항에 있어서,
    상기 추가 연합학습 라운드의 존재를 확인하는 단계는,
    상기 서버가 상기 추가 연합학습 라운드가 존재하는 것으로 확인하는 경우, 상기 클라이언트 단말에 추가 업데이트 요청을 전달하는 단계;
    상기 클라이언트 단말이 상기 서명된 연합학습의 업데이트 정보를 상기 서버에 재전달하는 단계; 및
    상기 서버가 상기 서버에 저장된 상기 최신그룹서명응답을 이용하여 상기 추가 연합학습 라운드를 수행하는 단계를 더 포함하는 그룹 서명 기반 연합학습 방법.
  10. 제1항에 따른 그룹 서명 기반 연합학습 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  11. 적어도 하나의 클라이언트 단말과 관리자 단말이 그룹으로 마련되고, 상기 적어도 하나의 클라이언트 단말에 연합학습 모델을 배포하는 서버를 포함하는 그룹 서명 기반 연합학습 시스템에 있어서,
    상기 클라이언트 단말은 상기 관리자 단말에 그룹서명을 요청하고,
    상기 관리자 단말은 상기 그룹서명 요청에 따라 상기 클라이언트 단말에 그룹서명응답을 전달하고,
    상기 클라이언트 단말은 상기 그룹서명응답을 이용하여 서명된 연합학습의 업데이트 정보를 생성하고, 이를 상기 서버에 전달하여 연합학습 업데이트 참여를 요청하고,
    상기 서버는 상기 연합학습 업데이트 참여의 요청을 전달받는 경우, 상기 관리자 단말에 최신그룹서명요청을 전달하여 상기 관리자 단말로부터 최신그룹서명응답을 전달받고,
    상기 서버는 상기 최신그룹 서명응답과 상기 서명된 연합학습의 업데이트 정보를 비교하여 서명 일치에 대한 여부를 판단하고, 서명이 일치하면 연합학습 모델을 업데이트하여 적어도 하나의 클라이언트 단말에 재배포하는 것을 특징으로 하는 그룹 서명 기반 연합학습 시스템.
PCT/KR2022/021289 2022-02-04 2022-12-26 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체 WO2023149660A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220014907A KR20230118380A (ko) 2022-02-04 2022-02-04 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체
KR10-2022-0014907 2022-02-04

Publications (1)

Publication Number Publication Date
WO2023149660A1 true WO2023149660A1 (ko) 2023-08-10

Family

ID=87552502

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/021289 WO2023149660A1 (ko) 2022-02-04 2022-12-26 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체

Country Status (2)

Country Link
KR (1) KR20230118380A (ko)
WO (1) WO2023149660A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116996235A (zh) * 2023-09-26 2023-11-03 中电科大数据研究院有限公司 联合建模的安全认证方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597542A (zh) * 2020-12-04 2021-04-02 光大科技有限公司 目标资产数据的聚合方法及装置、存储介质、电子装置
CN112636989A (zh) * 2020-12-31 2021-04-09 中国农业银行股份有限公司 一种联邦学习通信方法及装置
US20210406782A1 (en) * 2020-06-30 2021-12-30 TieSet, Inc. System and method for decentralized federated learning
US20210409197A1 (en) * 2019-05-07 2021-12-30 International Business Machines Corporation Private and federated learning

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190096872A (ko) 2019-07-31 2019-08-20 엘지전자 주식회사 연합학습(Federated　learning)을　통한　필기체　인식방법 및 이를 위한 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210409197A1 (en) * 2019-05-07 2021-12-30 International Business Machines Corporation Private and federated learning
US20210406782A1 (en) * 2020-06-30 2021-12-30 TieSet, Inc. System and method for decentralized federated learning
CN112597542A (zh) * 2020-12-04 2021-04-02 光大科技有限公司 目标资产数据的聚合方法及装置、存储介质、电子装置
CN112636989A (zh) * 2020-12-31 2021-04-09 中国农业银行股份有限公司 一种联邦学习通信方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NEMANI BHAGYA GAYATHRI, THUMBUR GOWRI, RAVVA RAMA VENKATA KRISHNA RAO, REDDY PUNUGU VASUDEVA: "Efficient and secure pairing-free certificateless directed signature scheme", KING SAUD UNIVERSITY JOURNAL. COMPUTER AND INFORMATION SCIENCES, GENERAL DIRECTORATE FOR ACADEMIC PUBLISHING AND PRESS, SA, vol. 33, no. 2, 1 February 2021 (2021-02-01), SA , pages 225 - 234, XP093082948, ISSN: 1319-1578, DOI: 10.1016/j.jksuci.2018.02.016 *
SNEHA KANCHAN; JAE WON JANG; JUN YONG YOON; BONG JUN CHOI: "Efficient and Privacy Preserving Group Signature for Federated Learning", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 12 July 2022 (2022-07-12), 201 Olin Library Cornell University Ithaca, NY 14853, XP091268894 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116996235A (zh) * 2023-09-26 2023-11-03 中电科大数据研究院有限公司 联合建模的安全认证方法、装置及系统
CN116996235B (zh) * 2023-09-26 2023-12-05 中电科大数据研究院有限公司 联合建模的安全认证方法、装置及系统

Also Published As

Publication number Publication date
KR20230118380A (ko) 2023-08-11

Similar Documents

Publication Publication Date Title
WO2018043865A2 (ko) 블록체인을 기반으로 한 파일 관리/검색 시스템 및 파일 관리/검색 방법
WO2018030707A1 (ko) 인증 시스템 및 방법과 이를 수행하기 위한 사용자 단말, 인증 서버 및 서비스 서버
WO2018012871A1 (ko) 메신저 서비스를 통하여 송수신하는 데이터에 대한 기록 서비스 및 검증 서비스를 제공하는 방법, 및 이를 이용한 서버
WO2018012872A1 (ko) 메신저 서비스를 통하여 송수신되는 데이터에 대한 기록 및 검증 서비스를 제공하는 방법, 및 이를 이용한 서버
WO2017116019A1 (ko) 파일에 대한 공증 및 검증을 수행하는 방법 및 서버
WO2019083082A1 (ko) 안전한 스마트 홈 환경을 위한 ｋｓｉ 기반 인증 및 통신 방법 및 이를 위한 시스템
WO2021137396A1 (ko) 블록체인 네트워크를 이용한 영지식 증명 기반의 인증서 서비스 방법, 이를 이용한 인증 지원 서버 및 사용자 단말
CN111010376A (zh) 基于主从链的物联网认证系统及方法
US10581849B2 (en) Data packet transmission method, data packet authentication method, and server thereof
WO2021150032A1 (en) Method for providing authentication service by using decentralized identity and server using the same
WO2020149586A1 (ko) 복수의 사용자의 동의 여부를 판단하여 하나의 서비스를 제공하는 서비스 제공 방법 및 장치
WO2020138525A1 (ko) 사물인터넷 블록체인 환경에서의 디바이스 분산 인증 방법 및 이를 이용한 디바이스 분산 인증 시스템
WO2020138532A1 (ko) 사물 인터넷 환경을 위한 동적 블라인드 투표기반의 블록체인 합의방법
WO2014185594A1 (ko) Vdi 환경에서의 싱글 사인온 시스템 및 방법
WO2017116062A1 (ko) 파일에 대한 공증 및 검증을 수행하는 방법 및 서버
WO2021162341A1 (ko) 블록체인 송금 서비스 시스템의 동작 방법과 송금을 위한 전자 지갑
WO2014003362A1 (ko) Otp 기반 인증 시스템 및 방법
WO2023149660A1 (ko) 그룹 서명 기반 연합학습 방법 및 시스템, 이를 수행하기 위한 기록 매체
WO2020117020A1 (ko) 생체 정보 기반의 pki 키 생성 방법 및 이를 이용한 키 생성 장치
WO2021145555A1 (ko) 블록 체인을 기반으로 한 다중 노드 인증 방법 및 이를 위한 장치
WO2022177204A1 (ko) Did 기반의 탈중앙화된 사용자 데이터 저장 및 공유 시스템
WO2019182377A1 (ko) 블록체인 기반 암호화폐의 트랜잭션에 이용되는 주소 정보 생성 방법, 전자 장치 및 컴퓨터 판독 가능한 기록 매체
WO2019125041A1 (ko) 블록체인을 이용한 개인정보 분리 후 분산저장을 통한 인증 시스템
WO2020213763A1 (ko) 블록체인과는 다른 형식의 저장소에 저장되는 블록체인 데이터를 검증하는 방법 및 시스템
WO2021125517A1 (ko) 전용 인공 지능 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22925127

Country of ref document: EP

Kind code of ref document: A1