연구진은 연합 학습 환경에서 클라이언트 데이터 분포가 시간에 따라 변하는 문제를 해결하기 위해 FlashbackCL을 제안했어요. 기존 Flashback 방법은 시간 변화에 취약하여 성능 저하를 일으키는 한계가 있었어요.
FlashbackCL은 시간 경과에 따른 라벨 개수를 감쇠시키고, 장치별로 클래스 균형을 유지하는 리플레이 버퍼를 활용하며, 공개 증류 세트에서 서버 측 활성 코어셋을 선별하는 방식으로 개선됐어요.
실험 결과, FlashbackCL은 CIFAR-10 데이터셋에서 기존 Flashback보다 6.9%에서 10.0%의 성능 향상을 보였으며, 시간 경과에 따른 망각을 최대 68%까지 줄였어요.