联邦学习在分布式学习中面临安全与隐私挑战。研究对各类机器学习模型（包括大语言模型）的安全隐私挑战进行分类，聚焦聚合器与参与者攻击，如投毒、后门、成员推断、生成对抗网络及差分隐私攻击，并提出未来方向以强化系统、保护敏感数据隐私。相关研究还探讨医疗数据隐私、算法设计框架、公平性及防御技术。