본 논문은 대규모 데이터셋을 가장 잘 대표하는 작은 부분집합을 찾는 최적화 문제인 서브모듈 최대화 문제를 다룬다. 특히, 데이터를 분산된 클라이언트가 로컬에서 소유하고, 각 클라이언트가 대표성 품질에 대한 자체 정의를 갖는 연합 학습 환경에 초점을 맞춘다. 이러한 환경은 클라이언트가 계산한 로컬 정보의 반복적인 집계를 필요로 한다. 클라이언트의 프라이버시와 자율성을 존중하는 것이 주된 동기이지만, 연합 학습 환경은 악의적인 클라이언트의 잘못된 정보 공유와 같은 클라이언트의 악의적인 행동에 취약하다. 본 논문은 다양한 실제 클라이언트 공격에 강건한 연합 서브모듈 최대화 솔루션인 RobustFSM을 제안한다. RobustFSM의 성능은 실제 데이터셋을 사용한 실험적 평가 연구를 통해 입증되었다.
