AI융합ICT전공 이재환 교수(교신저자, 빅데이터 및 분산컴퓨팅 연구실)와 석사과정 임아현, 장수호 학생이 이 공동으로 작성한 논문이 국제적 권위를 가진 학술대회인 ‘CCGrid 2025(The 25th IEEE Interational Symposium on Cluster, Cloud and lnternet Computing)’에서 정규 논문으로 채택되어 발표됐다.  CCGird는 분산 시스템, 클라우드 컴퓨팅, 인터넷 기반 컴퓨팅 분야에서 세계적인 권위를 가진 행사로, 올해는 노르웨이 트롬쇠에서 지난 5월 19일부터 22일까지 개최됐다.

  이재환 교수 연구팀이 발표한 논문의 제목은 ‘P2P-Fed: A Decentralized Federated Learning Platform on Structured Peer-to-peer Systems(P2P-Fed : 구조화된 P2P 시스템 기반 분산형 연합학습 플랫폼)’으로, 최근 인공지능 분야에서 주목받고 있는  연합학습(Federated Learning, 데이터를 중앙 서버에 모으지 않고 각 기기에서 따로 학습해 결과만 공유하는 AI 학습 방식)의 구조적 한계을 해결하기 위해, 토렌트나 블록체인 기술에도 활용되는 Peer-to-Peer(P2P) 네트워크 기반의 분산해시테이블(DHT·Distributed Hash Table, 정보를 여러 컴퓨터에 분산시켜 저장하고 효율적으로 찾는 기술)을 활용한 구조를 제안하였다. 특히 Chord 프로토콜)데이터 저장 위치를 원형 구조로 정하고 빠르게 찾는 방식)을 활용한 완전 분산 학습 구조를 설계하고 구현해냈다는 점에서 의미가 큰 연구다.  

DHT 기반 Chord를 적용한 분산 연합학습 구조

  기존의 연합학습 방식은 중앙 서버가 필요하거나, 모든 기기가 서로 직접 통신해야 해서 기기 수가 늘어나면 통신량도 커지는 문제가 있었다. 반면 이번에 제안된 방식은 각 기기가 수평적으로 연결된 P2P 네트워크 상에서 직접 통신하며 학습결과를 공유하도록 설계되어, 중앙 서버 없이도 높은 확장성과 안정성을 확보할 수 있다. 이는 통신량을 줄이고 동적인 네트워크 환경(high-churn network)나 이기종 장치 환경에서도 연합학습이 안정적으로 수행되는 효과를 가져온다.  

  특히, 연합학습에 참여하는 노드 수가 N개일 때, 하나의 노드가 모든 노드와 N회 통신되야 하는 기존의 방식과 달리, 노드 수가 많아져도 통신 횟수가 logN회 수준으로 줄어들어 대규모 환경에서의 효율성이 극대화된다는 것을 입증했다. 실제로 80개의 노드가 동시에 통신하는 실험 환경에서, 연구팀이 제안한 알고리즘은 기존 최고 성능 기법에 비해 정확도는 최대 6.9% 향상, 통신량은 약 23% 감소라는 성과를 나타냈다. 이는 스마트폰, 웨어러블 장치, 자율주행시스템, 저궤도 위성 네트워크처럼 다양한 디바이스가 동시에 연결되는 미래 AI 서비스 환경에서 핵심 기술로 다양하게 활용될 가능성을 보여준다. 

  이재환 교수는 “분산 학습 기술의 가능성을 실제 시스템 수준에서 구현하고, 그 가치를 국제적으로 인정받았다는 점에서 뜻깊은 성과”라며 “이번 연구를 바탕으로 미래의 대규모 AI 서비스 인프라에 기여할 수 있는 기술 개발을 이어겠다”고 소감을 밝혔다.