本文提出了中心与辐条学习（HSL）框架，旨在解决协作机器学习中的单点故障问题。HSL通过双层通信结构，在相同或更低的通信预算下，性能优于现有框架，适合资源有限的系统。

本文介绍了一种新型协作机器学习训练系统Citadel++，旨在解决数据集所有者与模型所有者在保护机密性和用户隐私方面的挑战。该系统结合增强差分隐私技术和可信执行环境，有效保护数据集、模型和训练代码的机密性，同时确保模型的实用性和用户数据的隐私，实验结果表明其性能优于现有系统。