تقدم مسودة نشرها باحثون من جامعة تينيسي التقنية في الولايات المتحدة وجامعة أوتاوا في كندا على arXiv في 9 أكتوبر طريقة SecFD-FL التي تعالج تقلب الطلب وخصوصية بيانات شحن السيارات الكهربائية معاً. وتجمع الطريقة بين نموذج GRU ذي مسارين يفصل التقلبات السريعة عن الاتجاهات الأطول أجلاً، وآلية إخفاء ذات مجموع صفري تهدف إلى منع كشف البيانات الخام للعملاء للخادم أثناء التجميع. واستخدمت الاختبارات سجلات خمس محطات شحن بلدية في بالو ألتو وسجلات مختارة لمركبات من EV WATTS.

مقارنة بستة خطوط أساس للتعلم الاتحادي، أوردت الورقة قيمة R² تبلغ 0.847 لبيانات بالو ألتو و0.927 لبيانات EV WATTS، وانخفاضاً يصل إلى 60% في RMSE العالمي مقارنة بخطوط الأساس المركزية. كما أفاد المؤلفون بانخفاض تشابه البيانات المستعادة في هجوم استعادة التدرجات المختبر مقارنة بتحديثات FedAvg الخام، دون اتصالات إضافية في كل جولة تدريب. وتنطبق هذه النتائج على مجموعتي البيانات ونموذج التهديد لدى المؤلفين؛ ولا تثبت آلية الإخفاء حماية مطلقة من كل هجمات الخصوصية، كما لم تُختبر مكاسب التوقع ميدانياً على شبكة شحن حية. والعمل مسودة لم تخضع بعد لمراجعة الأقران.