- 마크테크포스트에 따르면 애플 연구원들은 PFL(비공개 연합 학습) 연구를 가속화하기 위해 설계된 Python 프레임워크인 'pfl-research'를 개발했습니다. 이 프레임워크는 빠르고 모듈식이며 사용자 친화적이어서 연구원들이 계산의 제약 없이 빠르게 반복하고 새로운 아이디어를 탐색할 수 있습니다.

- 연합 학습(FL)은 데이터 프라이버시를 보호하면서 여러 기기와 장소에 걸쳐 머신 러닝 모델을 공동으로 훈련할 수 있는 획기적인 접근 방식입니다. 그러나 빠르고 확장 가능한 시뮬레이션 도구가 부족하여 FL로 연구를 수행하는 데 어려움이 있었습니다.

- pfl-research는 텐서플로우, 파이토치, 비신경망 모델 등 다양한 프로그래밍 언어를 지원하며, 최신 개인정보 보호 알고리즘을 통합하여 데이터 보안을 보장합니다. 빌딩 블록 접근 방식을 통해 연구자는 모듈식 구성 요소를 혼합하고 조합하여 특정 연구 요구에 맞는 맞춤형 시뮬레이션을 만들 수 있습니다.

- pfl-research는 기존 FL 시뮬레이터보다 성능이 뛰어나 최대 72배 빠른 시뮬레이션 시간을 달성하며, 프레임워크 개발팀은 새로운 알고리즘, 데이터 세트, 크로스실로 시뮬레이션을 추가하여 지속적으로 개선하여 진화하는 연합 학습 분야에서의 관련성을 보장할 계획입니다.