该研究提出了名为FATS的新联邦学习框架，解决个别客户或数据对全局模型的影响。该框架通过保持统计上的一致性和总变差稳定性，实现快速联邦去学习。实证验证显示该框架在准确性、通信成本、计算成本和去学习效果方面具有优势。