본 논문은 교육 분야에서 데이터 기반 애플리케이션(학습 분석, AI 교육 등)의 증가로 인해 제기되는 개인 정보 및 데이터 보호 문제에 대한 실용적인 해결책이 부족함을 지적한다. 연구는 교육 데이터 예측에 대한 연합 학습의 실험적 평가를 통해 기존의 비연합 학습 방식과 성능을 비교한다. 결과적으로 연합 학습이 비슷한 예측 정확도를 달성하며, 특히 적대적 공격에 대해 더 큰 강인성을 보임을 확인했다. 이는 교육 환경에서 예측 성능과 개인 정보 보호의 균형을 맞추는 잠재적 접근 방식으로서 연합 학습의 가치를 강화한다.
