该论文提出了一种名为MOSAIC-FL的微服务架构隐私保护联邦学习框架，重点面向基因组学等敏感数据领域。框架采用模块化设计，集成gRPC高效通信层和有限状态机以确保组件同步和威胁检测；核心安全机制基于CKKS同态加密的阈值变体实现容错安全聚合，要求至少t个活跃客户端才能解密，从而在保证隐私的同时降低通信开销。通过噪声洪水技术实现IND-CPA-D安全等级，并每轮更新集体密钥材料以抵御针对同步解密器的密钥恢复攻击。实验涵盖EMNIST手写数字识别和TCGA乳腺癌亚型分类等任务，评估了不同阈值和模型规模下的系统性能。该研究为联邦学习在医疗健康场景的隐私合规提供了可行方案。