通过对28种已发布系统的调查，研究发现BTM工具在异构数据集上的性能明显低于同质数据集中的结果，需要进一步研究以增强其稳定性。

本研究提出了一种新的联邦学习框架，使用去中心化知识蒸馏来训练全球模型，以更好地适应神经网络映射平均值。实验证明，该框架在异构数据集上表现出更高的效率和更好的训练结果。