本研究探讨了劣质数据对分散式联邦学习模型训练的影响。模拟结果表明，基于平均值的分散学习对局部坏数据具有显著的鲁棒性，尤其是当劣质数据集中在单个节点时。这表明平均过程能够有效限制单一节点对整体学习的影响，从而促进更稳健的分散学习模型的发展。