PERADAは、通信コストと計算コストを削減しながら、特に分布シフトのある環境下でも優れた一般化性能を示す個別化連邦学習フレームワークである。
連邦学習の課題である顧客データの異質性に対処するため、FEDSELECTは、顧客ごとに最適な学習パラメータのサブネットワークを自動的に発見し、グローバルな知識共有とローカルな個別化のバランスを取る。