本文介绍了一种安全的联邦学习方法，应对非独立同分布挑战。研究者比较了差分隐私和混沌加密，并发现在差分隐私的保护下，联邦深度学习模型在独立同分布和非独立同分布数据下提高了深度神经网络的性能。

该研究评估了联邦学习在医学领域的应用，结果显示联邦学习模型总体表现优于单个客户数据训练的模型，但使用更多客户训练的模型表现较差。联邦学习训练的模型在客户数据独立同分布的情况下表现接近，但在非独立同分布数据下有明显差距。