블록체인 기반의 분산형 딥러닝 시스템에 대한 연구

Abstract

제4차 산업혁명의 도래와 함께, 수집된 정보들의 활용 방법은 더욱 다양해지고 이로부터 새로운 지식을 추출해내기까지의 데이터 분석 방법 또한 매우 중요해졌다. 머신러닝이란 축적된 학습 데이터로부터 기계가 스스로 추론 능력을 갖추도록 학습하는 과정을 의미하며, 머신러닝 분야의 일부인 딥러닝은 고도의 학습 신경망을 활용하여 데이터로부터 스스로 규칙을 찾아내고 학습하여 이로부터 자동으로 추론 능력을 향상시키는 과정을 뜻한다. 다량의, 그리고 복잡한 데이터들의 해석이 점차 필요해짐에 따라 딥러닝 학습 모델은 복잡해지고 고성능의 컴퓨팅 자원을 필요로 하게 되었다. 이를 해결하기 위해 최근에는 분산 딥러닝 학습 구조가 제안되기도 하였으며, 대표적으로는 데이터를 분할하여 각 학습 노드가 학습 후 그 결과 가중치를 노드간에 공유하는 방안이 있다. 그러나 이 경우 중앙에 별도의 관리 데이터 베이스를 두거나, 혹은 각 노드간에 직접적인 P2P 방식으로 데이터를 교환해야 하는데 전자의 경우 분산 노드 외에도 제3 관리자가 필요하다는 점, 그리고 후자의 경우 학습 노드간의 데이터 불일치로 인해 데이터 무결성이 침해될 수 있다는 문제가 있다. 본 연구의 목적은 P2P 네트워크 내 분산된 딥러닝 학습 환경에서, 교환되는 데이터들의 무결성을 보장할 수 있는 효율적인 데이터 교환 방법을 제안하는 데에 있다. 이에 본 연구에서는 블록체인 기반의 분산형 딥러닝 시스템을 제안하고 구현하였으며, 실제 활용 시나리오에 대한 사례를 보임으로써 분산된 환경에서의 각 참여 노드가 서로의 학습 결과 가중치 데이터를 교환하고 활용하는 방법을 제안하였다. 또한 P2P 네트워크 내 분산 딥러닝 학습 환경에서 발생 가능한 데이터 무결성 침해 문제를 제안 방법을 통해 해결할 수 있음을 보이고 분석하였다.;With the advent of the Fourth Industrial Revolution, the methods of utilization of collected information became more diverse and the methods of data analysis from this to extract new knowledge also became very important. Machine learning refers to the process of learning from accumulated learning data so that machines can have their own reasoning ability. Deep learning, which is part of the machine learning field, is the process of using high-level neural network to find and learn rules from data and automatically improve its reasoning ability. As the interpretation of large and complex data is increasingly needed, the deep learning model has become complex and require high-performance computing resources. To solve this problem, a distributed deep learning structure has recently been proposed. There is a typical way to divide the data and share the weight of each learning node after learning. However, the problem is that data needs to be exchanged through a central database, or direct P2P manner between each node. The former requires a third administrator in addition to a distributed node, and the latter is vulnerable with data inconsistencies between learning nodes, which could infringe data integrity. The purpose of this study is to propose efficient data exchange methods to ensure the integrity of the exchanged data in a distributed deep learning environment within the P2P network. In this study, I proposed and implemented a distributed deep learning system based on a blockchain. Furthermore, I proposed how each participating node in a distributed environment exchange and utilize weight data of each other's by showing examples of actual utilization scenarios. I also demonstrated and analyzed that the proposed method could solve the problem of data integrity infringement that could occur in the distributed deep learning environment within the P2P network.