연합 학습 프레임워크 Substra 소개

데이터 프라이버시와 보안이 중요한 의료 분야 등에서 발생하는 데이터 사일로(Silo) 문제를 해결하기 위한 연합 학습(Federated Learning) 기술을 다룬다.

연합 학습은 데이터를 중앙 서버로 수집하는 대신, 각 데이터 소스의 로컬 서버에서 모델을 학습시킨 후 **모델 가중치(weights)**만 전송하는 분산형 머신러닝 방식이다. 이 방식은 데이터 원본을 보호하면서도 다양한 소스의 데이터를 활용할 수 있어, 모델의 일반화 성능을 높이고 데이터 편향성을 줄이는 데 효과적이다.

Substra는 실제 운영 환경을 위해 설계된 오픈 소스 연합 학습 프레임워크로, 이미 의료 연구 등 복잡한 보안 및 IT 인프라 환경에서 그 효용성을 입증했다.

Hugging Face는 Substra와 협력하여 사용자가 연합 학습의 원리를 이해하고, 데이터 분포 변화에 따른 모델의 반응을 직접 확인할 수 있는 Hugging Face Space를 제공한다.