본 논문은 연합 학습 환경에서 잊음(unlearning)과 유지(retention) 성능 간의 trade-off 문제를 해결하기 위해, 직교화된 딥 컨볼루션 커널과 활성화 기반의 제어 가능한 one-shot soft pruning (OSP) 메커니즘을 결합한 FedOrtho 프레임워크를 제안한다. FedOrtho는 커널 직교성을 강화하고 로컬-글로벌 정렬을 통해 feature representation을 분리하여 client drift를 완화한다. 이는 정확한 one-shot pruning을 가능하게 하여, 98% 이상의 잊음 품질을 달성하고, 계산 및 통신 비용을 대폭 줄인다. CIFAR-10, CIFAR-100, TinyImageNet 데이터셋에서 ResNet 및 VGG 프레임워크를 사용하여 최고 성능을 달성했으며, 97% 이상의 유지 정확도를 유지하면서 멤버십 추론 위험을 완화한다.
