멀티태스크 오토인코더로 노이즈 샘플 필터링 — 연합 학습 정확도 최대 7.02% 향상

연합 학습에서 중복·악성·이상 샘플로 인한 성능 저하를 막기 위해, 멀티태스크 오토인코더로 샘플 기여도를 추정한 후 OCSVM, Isolation Forest, 적응형 손실 임계값(AT) 등 비지도 이상 탐지 기법으로 노이즈를 걸러내는 방법을 제안했습니다. CIFAR10에서 OCSVM 기반 손실 선택 시 최대 7.02%, MNIST에서 AT 기반 시 1.83% 정확도가 개선되었고, SVDD 손실을 추가하면 특징 기반 선택도 0.99% 향상됩니다. 단, 실험은 CIFAR10과 MNIST에 한정되었고 최대 40% 노이즈 조건에서 검증되었습니다.

• #federated-learning
• #sample-selection
• #autoencoder
• #outlier-detection
• #image-classification