본 논문은 중앙 집중식 연합 학습(CFL)과 분산식 연합 학습(DFL)의 근본적인 차이가 네트워크 토폴로지가 아닌, 개별 집계 대 공동 최적화라는 훈련 프로토콜에 있다는 새로운 관점을 제시합니다. 이러한 프로토콜의 차이가 모델 유용성, 개인정보 보호 및 공격에 대한 강건성에 상당한 영향을 미친다고 주장하며, 기존 연구들을 프로토콜 유형에 따라 체계적으로 검토하고 분류합니다. 이를 통해 기존 연구에 대한 심층적인 통찰력을 제공하고 다양한 접근 방식 간의 관계와 차이점을 명확히 합니다. 특히 분산 최적화 방법 기반의 DFL 접근 방식에 대한 탐구가 부족하다는 점을 지적하며, 이러한 미개척 분야에 대한 연구를 촉구합니다. 전반적으로 중앙 집중식에서 분산식 FL까지 포괄적인 개요를 제공하고, 접근 방식 간의 핵심적인 차이점을 새롭게 조명하며, 미해결 과제와 미래 방향을 제시합니다.
