연구에서는 데이터 불균형 문제를 해결하기 위해 연합 학습에서 고객 선택 프레임워크를 제안합니다. 제안하는 방법은 상호 정보량과 차등 개인 정보 보호를 활용하여 데이터 유용성을 최대화하고 공정한 상관 관계를 보장합니다. 잠재 연합 손실(PFL)을 통해 최적의 고객 연합을 찾고, 시뮬레이션 어닐링을 사용하여 문제를 해결합니다. 실험 결과, 제안하는 방법은 기존 방식보다 빠르고 공정하며 정확한 모델을 학습하는 데 효과적입니다.