이 논문에서는 개인 정보 보호를 위해 프로토타입을 공유하는 연합 학습 방식의 문제를 해결하기 위한 새로운 방법, VPDR을 제안합니다. VPDR은 각 차원의 클래스 분산을 활용하여 중요한 차원에는 적은 노이즈를, 덜 중요한 차원에는 많은 노이즈를 추가하여 개인 정보 보호와 성능을 동시에 개선합니다. 실험 결과, VPDR은 기존 방식인 IGPP보다 우수한 개인 정보 보호-성능 균형을 제공하며, 현실적인 공격에도 강건함을 보여주었습니다.