一、期刊简介
【期刊简介】IF：3.0-4.0，JCR1区，中科院2区；
【出版社】Springer 出版社;
【版面情况】仅10篇版面；
【检索情况】SCIE&EI双检，预计1-3个月左右录用
二、征稿主题
有关联邦学习在改善异构环境中的隐私机制和效率等领域应用的原创文章，如：联邦学习在使用模型压缩、量化和更新聚合等方法来解决数据异构性的高效算法等。
三、录用案例
来源：期刊官网
提交至录用平均用时3个月左右！
此刊隶属于Springer 出版社旗下，位于JCR1区中科院2区，发文量较大且国人友好，意味着投稿难度也较小！所以有同领域的学者可以着重考虑一下这本期刊。
四、投稿须知
1.在线投稿：由科检易支持在线投稿，请将文章全文投稿至科检易投稿系统;
2.文章应具有学术或实用价值，并未在国内外期刊或会议上公开发表过；
3.进入期刊终审前，作者可通过iThenticate或其他查重系统进行查重，以确定论文重复率符合国际期刊出版的要求；
4.文章内容充实完整，数据可靠，图表清晰且在正文中一一对应，有一定的创新性，结构符合期刊要求，文献综述与参考文献能反映国际前沿研究，并注意参考文献的完整性及在正文中的标注等；
5.接受中文稿件，初审通过后，可选择科检易的翻译润色服务。
6.结构完整(Title、author information 、Abstract、Introduction、Methods、Results、Discussionand Conclusion和Reference)，图表数据参考文献在正文中标注且对应，重复率需要低于20%。
五、投稿咨询
六、服务优势
