本研究提出了一种新颖的类感知梯度屏蔽聚合策略，旨在提升非独立同分布数据环境下联邦学习的聚合性能。该方法通过动态加权客户端贡献，增强隐私保护，提高了对不平衡数据和攻击的鲁棒性。实验结果表明，该策略优于传统的FedAvg方法。
完成下面两步后，将自动完成登录并继续当前操作。
