본 논문은 연합 학습 환경에서의 연합 클러스터링을 위한 새로운 방법인 클러스터-대조적 연합 클러스터링(CCFC)을 제안합니다. 기존의 중앙 집중식 클러스터링에서 표현 학습 기반의 클러스터링이 고차원 복잡한 데이터 처리에 효과적임을 감안하여, 클러스터링에 유리한 표현 학습을 위한 클러스터-대조적 모델을 설계하고 이를 기반으로 CCFC를 개발했습니다. CCFC는 기존 방법들보다 성능이 뛰어나며, 특히 일부 경우에는 최고 성능의 기준 방법보다 두 배 이상의 클러스터링 성능을 보였고, NMI 점수 향상은 최대 0.4155에 달했습니다. 또한, 실제 환경에서 발생할 수 있는 장치 고장에도 강인한 성능을 보입니다.