- 从聚合数据中学习：编辑包和随机包的比较
本文探讨了使用聚合的数据标签训练机器学习模型的可行性，并针对策展袋和随机袋进行了两种自然聚合过程的研究。在策展袋设置下，通过使用聚合标签计算损失函数的梯度，证明我们可以实现不降低性能的基于梯度的训练。在随机袋设置下，基于 Rademache - 基于人工智能的移动应用程序：一项探索性研究
本文通过数据集分析、关键问题定位和用户反馈与隐私保护等多方面对 56682 款 AI 应用进行了研究，揭示了其中的不足之处，如模型保护不足，用户隐私数据泄露等，还提供了数据集以供未来研究引用。
- 共享嵌入的联邦图神经网络
本研究提出了一种基于图嵌入的联邦学习方法，在不直接分享原始数据的情况下利用共享嵌入数据提高了现有基于图的网络的训练效率，并在不同数据集上进行了实验以显示其有效性，使得当前基于图的模型在联邦学习框架中的训练具备隐私保护的功能。
- 带混合差分隐私保证的跨网络社交用户嵌入
提出一个跨网络社交用户嵌入框架 DP-CroSUE，以隐私保护的方式学习用户的全面表示，并在三个真实数据集上展示对用户兴趣预测任务的显著改进和防御嵌入式用户属性推断攻击。
- ACL带有嘈杂用户反馈的联邦学习
本文探讨了在联邦学习（FL）中使用用户反馈进行标记和降噪以提高 ML 模型性能的新方法，通过两个文本分类数据集的实验表明该方法在保护隐私的同时提高了模型的性能。
- 将人在环视加入群智学习，以实现分散式假新闻检测
本篇研究提出了一种分布式的人机交互学习方法（HBSL），用于在不侵犯用户隐私的情况下识别社交媒体中的虚假新闻，并在分布式节点上进行本地数据的学习和检测，实验结果表明，该方法在检测虚假新闻方面优于现有的分散式方法。
- 通过修改模型直接获得联邦学习中的私人数据
这项研究介绍了一种基于最小但恶意修改的共享模型架构的新威胁模型，使服务器能够直接从梯度更新中获取用户数据的逐字副本，即使是在大批量情况下的用户数据也能被这些略有修改的模型重构。
- MM基于叠加集成学习的静息位置识别方法及其在 EGG、ECG、呼吸率和 SpO2 中的应用
通过分析电生理学参数，使用混合机器学习模型（决策树、随机森林和 Xgboost 算法），本文将休息姿势分类为平躺、侧卧或俯卧，并证明了该模型预测方案的 100％准确率。而且提出的基于生理参数的休息姿势识别方法有着融合到可穿戴设备的潜力，是一 - MM未来产业中的工业物联网联邦学习
此文总结讨论了联邦学习在工业物联网应用中的不同场景和可行性，并提出了需要进一步研究的问题和方向。
- 基于隐式反馈的联邦协同过滤更强隐私保护
我们提出了一个实用的联邦推荐系统，用于隐式数据下的用户级本地差分隐私，包括代理网络来减少用户跟踪表面。我们在 Movielens 数据集上进行实证研究，并在保护用户隐私的同时，实现了高命中率。
- 快速调整和隐私保护的联邦推荐系统
提出了一种基于分散联邦学习环境的 DNN 推荐模型 PrivRec，该模型不会泄露用户数据并且具有不同的隐私保护级别。
- 具有安全聚合的联邦动态 GNN
本文提出了一种分布式和安全的 Feddy 框架，用于从多用户图形序列中学习对象表示，并使用安全聚合机制来保护联邦学习中的安全性和隐私性，实验证明 Feddy 在四个视频摄像头数据集上达到了很高的效果和安全性。
- 面向隐私保护的联邦协作过滤个性化推荐系统
本文介绍了一个基于随机梯度方法的联邦协作过滤模型，并将其应用于用户推荐系统，旨在提高用户隐私保护，且实验表明，在联邦实现中，相较于标准实现而言，推荐系统的性能并未降低。
- SecureBoost: 无损联邦学习框架
本文提出了一种名为 SecureBoost 的隐私保护决策树增强系统，旨在使用联邦学习框架实现数据共享，该框架在不遵守用户隐私的前提下，通过实体对齐和加密来对多方进行决策树增强，并且 SecureBoost 可与其他受欢迎的增强算法实现同样 - 基于 Android 移动设备互联网流量的位置数据泄露分析
研究了 Android 应用程序通过互联网网络流量以明文形式泄露位置数据的现象，提出了从原始网络流量中挖掘和过滤位置数据并利用地理位置聚类方法推断用户兴趣点的过程，证实了此现象在智能手机用户中的普遍性和严重性，85% 的用户设备泄露了位置数 - 应用联邦学习：提升谷歌键盘查询建议
本研究利用 Federated learning 模型，在实际商业环境中，分布式训练模型提高用户虚拟键盘搜索建议的质量，同时保护用户数据隐私。实验结果显示，整体用户体验得到了显著提升。
- 利用稀疏性加速加密神经网络的真实世界推断
本文介绍了 Faster CryptoNets，一种使用神经网络进行高效加密推理的方法。该方法使用了稀疏表示在底层密码系统中的剪枝和量化方法来加速推理，并展示了如何使用隐私安全的训练技术来减少加密推理的开销。本方法可以有效保护用户隐私并且在 - Prochlo: 众里寻隐 —— 针对群体分析的强隐私保护
本文描述了一种系统架构（编码、洗牌、分析，ESA）及其 Prochlo 实现，以在保护用户隐私的同时进行计算机用户软件活动的大规模监控。
- 当 Cookie 遇上区块链：通过加密货币进行网络支付的隐私风险
展示了第三方 web 追踪器如何解匿名加密货币的用户，并呈现了两种不同但互补的攻击方法。
- ACL使用 LSTMs 生成隐写文本
为了保护用户隐私，我们设计了一种基于 LSTM 神经网络的语言隐写系统，可以让两个用户在不被攻击者察觉的情况下交换加密信息，并且在 Twitter 和 Enron 邮件数据集上实现了高质量的隐写文本，显著提高了加密位数。