本文研究了建筑元素对异构联邦学习性能的影响，提供了微体系结构设计原则的指导。通过架构修改，纯CNN能够达到与Vision Transformer相匹配的表现，在鲁棒性方面甚至超越其表现。该方法与现有联邦学习技术兼容，在联邦学习基准测试中提供了最先进的解决方案。