本文综述了垂直联邦学习（VFL）的概念、算法及面临的挑战，提出了新方法VFedMH以解决异构模型训练问题，并分析了其收敛性能。同时介绍了Flex-VFL和MMVFL等新算法，探讨了隐私保护和安全性问题，展示了VFL在多方参与下的有效性和应用前景。

该研究探讨了垂直联邦学习（VFL）的新方法，强调隐私保护和通信效率。提出的vFedSec和MMVFL框架实现了安全高效的学习，支持标签信息共享。VFedMH方法解决了异构模型的训练问题，理论分析和实验表明其性能优越。此外，研究还分类了VFL的挑战和安全保障问题。