研究发现当前流行的数据分区技术存在问题，无法挑战联邦学习算法。提出了一种使用熵和对称性构建最具挑战性和可控数据分布的方法，并引入了衡量学习代理之间数据异质性的度量。实验证明该方法优于现有方法，展示了其挑战模型聚合算法的潜力。