연구팀은 연합 학습 환경에서 클라이언트 간 의미적 불일치를 해소하기 위해 '하이퍼 프로토타입' 개념을 제시했어요. FedHPro 프레임워크는 클라이언트의 실제 샘플에서 추출한 특징을 기반으로 하이퍼 프로토타입을 최적화하여 클래스 간 분리도를 높여요. 다양한 실험 결과, FedHPro는 기존 방법보다 뛰어난 성능을 보여주었어요.
FedHPro는 클라이언트별 마진을 활용한 상호 대비 학습과 일관성 페널티를 통해 클래스 내 균일성을 장려하며, 코드 Github 저장소에서 확인할 수 있어요.