본 논문은 연합 학습 환경에서 클라이언트의 합리적인 참여를 유도하기 위한 프레임워크 FedUCA를 제안합니다. FedUCA는 클라이언트의 지역 모델 성능과 같은 효용을 고려하여 연합 학습 참여를 최적화합니다. 통계적 이질성이 큰 환경에서 클라이언트는 협업의 이점이 지역 효용 수준을 충족하지 못하면 연합 학습에서 이탈할 수 있습니다. 실험 결과, FedUCA는 참여 가능성을 우선시하여 클라이언트 유지율을 높이고 글로벌 모델 성능을 향상시켰습니다.