本研究探讨了联邦学习中存在的隐私漏洞，提出了联邦不可学习反演攻击（FUIA），揭示了无法遗忘数据的隐私泄露风险，并对现有的FU方法提出挑战。实验表明，FUIA能够有效揭露被遗忘数据的私人信息，同时研究了降低隐私泄露的防御策略。

本文探讨了通过局部差分隐私实现图像特征私有化的方法，提出了新的反演攻击技术，证明可以恢复原始图像特征。研究表明，该方法在视觉定位任务中表现优异，同时保证隐私保护，缩小了私有与非私有图像分类之间的精度差距。