본 논문은 연합 학습 메시지 분류 체계를 제안하며, 기존 정의가 포괄하지 못하는 합성 데이터, 연합 분석 등 현대적인 페이로드를 고려합니다. 연합 메시지를 유틸리티와 프라이버시를 고려하여 공식적으로 정의하고, 모델 구조, 통계 요약, 데이터 기반 표현 세 가지 범주로 분류합니다. 2021년 이후 연합 학습 메시지 패러다임의 다양화 추세를 분석하여, 하드웨어 및 보안 요구 사항에 따른 연합 시스템 최적화의 길을 제시합니다.