본 논문은 개인정보 보호를 위해 데이터를 중앙 서버에 업로드하지 않고 분산된 머신러닝 모델을 협력적으로 학습하는 연합 학습(Federated Learning)의 배터리 소모 및 대역폭 문제 해결을 위한 새로운 업데이트 제어 방식인 FedSAUC를 제안합니다. FedSAUC는 사용자 행동(모델)의 유사성을 고려하여 클러스터링 알고리즘을 이용, 유사한 모델을 가진 장치들을 그룹화하고 각 클러스터에서 일부 대표 장치만을 선택하여 모델 학습에 필요한 정보를 업데이트합니다. 엣지 장치를 이용한 실험을 통해 장기적으로 학습 정확도에 영향을 미치지 않으면서 배터리 소모 및 대역폭을 절감하는 효과를 검증하였습니다.
