该文综述分布式隐私保护机器学习研究，涵盖：基于Hyperledger Aries、DID和可验证凭证的点对点信任机制及其在心理健康联邦学习中的应用；保护模型知识产权的proof-of-learning训练过程证明；不泄露数据的训练数据分布性质证明；COPML去中心化训练框架（提速达16倍）；SPINDLE多方同态加密全工作流方案；安全去中心化训练协议；乐观并发控制范式；零知识证明可验证机器学习综述；合作机器学习市场的公平收益分配；以及去中心化承诺机制的安全局限与未来研究方向。