减少通信次数：多做计算，少做通信
FedSGD：
worker节点：
server节点:
FedAvg方法：
worker节点：
在节点本地进行多次梯度下降更新参数
server节点：
该方法通过增加了节点本地结算量，减少了通信量。
FedSGD：每次采用client的所有数据集进行训练，本地训练次数为1，然后进行aggregation。
C：the fraction of clients that perform computation on each round
每次参与联邦聚合的clients数量占client总数的比例。C=1 代表所有成员参与聚合
B：the local minibatch size used for the client updates.
client的本地的训练的batchsize，B=无穷大代表batchsize是整个本地数据集
E：then number of training passes each client makes over its local dataset on each round
两次联邦训练之间的本地训练的次数
---》C=E=1 ，B=∞时，FedAvg等价于FedSGD
梯度泄露隐私：
梯度实际上是通过函数把用户数据做了函数变换
