DFRD是一种联邦学习方法，使用无数据的知识蒸馏机制，在服务器上逼近客户端上传的本地模型训练空间，并通过动态加权和标签采样准确提取本地模型的知识。实验证明DFRD相较于基准模型取得了显著的性能提升。