FLARE 是一种轻量级双调度器框架，能够在边缘和传感器节点之间有效传输训练数据，减少通信流量并保持模型完整性。研究表明，联邦学习在智能能源计量器数据分析中实现了高预测准确性，同时保护数据隐私。TRUDA 系统通过去中心化聚合提高安全性，区块链技术增强了联邦学习的安全性并激励训练者。此外，研究探讨了压缩技术对联邦学习的影响，证明在低准确率损失下显著减少消息量。