本文介绍了一种自适应编码联邦学习（ACFL）方法，通过将带噪声的本地数据集上传至中央服务器，满足隐私保护要求。ACFL在MNIST和Fashion-MNIST数据集上的训练速度分别提高了6.6倍和9.2倍，同时保持隐私保护。研究还探讨了非独立同分布数据对联邦学习的影响，并提出多种解决方案以提升学习性能和隐私保护。