본 논문은 2017년에 도입된 연합 학습(Federated Learning, FL)에서 데이터 소유자의 요청이나 법 집행 기관의 요구에 따라 학습된 데이터를 '잊는' 기계 비학습(machine unlearning)의 필요성에 주목합니다. 중앙 집중식 학습과 달리 연합 학습의 상호 작용성, 확률성, 이질성, 접근성 제한 등의 특징으로 인해 기존의 비학습 기법을 단순히 적용할 수 없다는 점을 강조하며, 2020년 이후 발표된 연합 비학습(Federated Unlearning) 관련 연구들을 꼼꼼히 분류하고 분석합니다. 연합 비학습 방법들의 영향 제거 및 성능 복구 능력, 위협 모델 및 가정, 한계점 등을 비교 분석하고, 데이터 이질성 및 그 시뮬레이션, 사용된 데이터셋, 평가 지표 등 다양한 관점에서 실험 설정을 분석하여 향후 연구 방향을 제시합니다.
