본 논문은 연합 학습(Federated Learning, FL)에서 참여자들의 공헌을 공정하고 정확하게 배분하는 문제를 다룹니다. 기존의 보상 전략(경매 기반, Shapley value 기반 등)의 한계를 지적하며, 특히 Shapley value 기반 방법의 안정성에 초점을 맞춥니다. 경사 기반 모델 재구성 기법과 Shapley value를 이용하여 참여자들의 공헌을 평가하고, 기존의 데이터 기여 측정 방식과 비교 분석합니다. 다양한 집계 전략과 데이터 이질성(IID 및 비-IID) 상황에서 Shapley value의 불안정성을 보여줍니다.
