针对联邦学习中协变量控制困难、通信成本高的问题，本文提出了dsLassoCov方法。该方法整合Lasso回归，能在保护数据隐私的分布式训练中有效控制混杂效应，降低高维数据下的通信开销，支持生物医学研究中的生物标志物识别。模拟数据验证了其管理混杂效应的有效性；在利用六个地理分布数据库复制大规模暴露组研究的真实数据分析中，其结果与先前研究一致。这一方法有望推动联邦学习在大型生物医学项目中的应用。