该研究提出了一种新的联邦学习算法RAGA，能够在恶意攻击和数据异质性的情况下实现收敛。实验结果显示，RAGA在不同攻击强度和数据集下的收敛性能优于基准方法。

本文介绍了一种无导数联邦零阶优化算法（FedZO），通过多次本地更新和部分设备参与来实现。同时，还介绍了一种适用于无线网络的空气计算辅助 FedZO 算法。研究了在非凸设置下，FedZO 算法的收敛性能，并分析了本地迭代次数和参与边缘设备数量对收敛性的影响。