적대적 공격에 강인한 맞춤형 분산 학습 방법 및 시스템이 제시된다. 본 발명에서 제안하는 적대적 공격에 강인한 맞춤형 분산 학습 시스템은 양성 에지 디바이스(benign edge device)가 보유한 데이터를 이용하여 공유된 기계학습 모델에 대해 클립된 초기화(clipped initialization)를 통해 도출된 초기값에 기초하여 에지 학습을 수행한 후 중앙 서버로 업데이트 하는 업데이트 모듈 및 중앙 서버가 보유한 글로벌 데이터셋을 이용하여 상기 양성 에지 디바이스 및 손상된 에지 디바이스를 포함하는 에지 디바이스들로부터 업데이트된 기계학습 모델들 중 적대적 기계학습 모델을 제거(pop)하고, 상기 제거하고 남은 기계학습 모델만을 집계(aggregation)하여 최적의 기계학습 모델을 도출한 후 상기 양성 에지 디바이스 및 상기 손상된 에지 디바이스에게 배포하는 역집계 모듈을 포함한다.