不共享公共数据
该算法通过环形架构和自动模型剪枝机制，在保护隐私的同时实现高效知识传递，无需依赖公共数据集即可完成跨孤岛联邦训练。
Xiao, Danyang · Jialun, Li · Xuan, Mo · Wu, Weigang · Jiannong, Cao
IEEE Transactions on Dependable and Secure Computing 2025
客户端之间的蒸馏基于本地生成的代理模型完成，不涉及共享公共数据集，从根本上消除了对公共数据的依赖。
在 N 个客户端的系统中只需 N 个全局轮次（通信轮次）即可完成联邦训练，而传统方法往往需要更多轮次。
历史模型蒸馏机制利用本地存储的历史代理模型副本传递知识，即使部分客户端掉线，训练仍能继续并保持性能。
通过自动模型剪枝生成压缩的代理模型用于蒸馏，传输的数据量远小于完整模型，从而降低通信开销。