本專著主要從以下四個(gè)方面闡述了聯(lián)邦學(xué)習(xí)中的異構(gòu)性問題：系統(tǒng)異構(gòu)性、統(tǒng)計(jì)異構(gòu)性、模型異構(gòu)性及聯(lián)邦學(xué)習(xí)算法的收斂性分析。系統(tǒng)異構(gòu)性從參與聯(lián)邦學(xué)習(xí)設(shè)備的計(jì)算資源和通信資源的異構(gòu)性角度出發(fā)，分析了聯(lián)邦學(xué)習(xí)所面臨的問題，并概括了當(dāng)前最新提出的解決方案。統(tǒng)計(jì)異構(gòu)性從參與設(shè)備之間的數(shù)據(jù)質(zhì)量和數(shù)量差異性角度出發(fā)，概括了最新解決方案，并提出具有前景的研究方案，其中基于類腦神經(jīng)科學(xué)的模型更新方案可緩解統(tǒng)計(jì)異構(gòu)性中的災(zāi)難性遺忘問題，具有較好的研究前景。模型異構(gòu)性從服務(wù)器和客戶端上的模型的差異性角度出發(fā)，概括了當(dāng)前新穎的研究方法和思路。最后，分析并證明了聯(lián)邦學(xué)習(xí)的收斂性問題。其中，統(tǒng)計(jì)機(jī)構(gòu)性的收斂性問題的證明依然有待解決。