클라이언트 드리프트
연합 학습에서 각 참여 기기(클라이언트)가 가진 데이터의 분포가 서로 달라 발생하는 현상이다. 각 클라이언트가 로컬 데이터에만 맞춰 모델을 업데이트하면서 로컬 최적점이 전역 최적점과 멀어지게 되어, 전체 모델의 수렴 속도가 느려지거나 성능이 저하되는 원인이 된다.