本研究提出了一种新框架，解决垂直联邦学习中的去学习机制问题，以满足“被遗忘权”的要求。该框架支持随时去除数据和异步去学习，增强隐私保护，适用于医疗和金融等敏感领域。

本研究提出了一种新型后门公平攻击方法BadFair，能够在招聘、医疗和执法等敏感领域中隐蔽地对特定群体进行歧视，同时保持模型的准确性和公平性，使现有的公平性检测方法难以识别。