联邦学习 (FL) 一直在促进许多各行各业的隐私保护深度学习，例如医学图像分类、网络入侵检测等。而它需要一个用于模型聚合的中央参数服务器，这会导致模型通信延迟和对抗性攻击的脆弱性。像 Swarm Learning 这样的完全去中心化架构允许在分布式节点之间进行对等通信，而无需中央服务器。去中心化深度学习中最具挑战性的问题之一是每个节点拥有的数据通常是非独立同分布的（非 IID），导致模型训练的收敛...