본 논문은 연합 학습 환경에서 국소 차등 프라이버시(LDP) 하에서 비독립적이고 동일하게 분포되지 않은(non-IID) 데이터를 클러스터링하는 문제를 해결하기 위해, 반복적인 통신 없이 개인 정보 보호와 정확성을 유지하는 새로운 접근 방식인 Gravitational Federated Clustering (GFC)를 제안합니다. GFC는 클라이언트 측의 컴팩트성 인지 섭동 메커니즘과 서버 측의 위상적 집계 단계를 통해 사유화된 클라이언트 중심점을 전역 중력장으로 변환하여 안정적인 중심점을 추출합니다. 이론적으로, 개인 정보 보호 예산과 중심점 추정 오류 간의 닫힌 형식 경계를 설정하고, 실험적으로는 열 개의 벤치마크에서 기존 방법보다 우수한 성능을 보입니다.
