本文综述机器遗忘与数据隐私保护研究，涵盖：样本特定扰动噪声防止扩散模型学习训练数据；Boundary Unlearning实现快速遗忘；可证明且保持公平的实例消除方法；凸损失下删除数据点算法；评估删除容量与差分隐私可行性；调查准确与近似方法、攻击及验证；轻量取消学习层高效更新大语言模型；层攻击遗忘与知识蒸馏实现全链路遗忘；梯度投影移除生成模型数据影响；类别遗忘算法计算效率提升约6倍。

介绍了FLEE-GNN联邦学习系统，用于增强地理空间多商品食品流网络的韧性分析。该系统结合了图神经网络的稳健性和适应性以及联邦学习的数据隐私保护和分散性，可在其他空间网络中应用。

该文介绍了一种通过IMU解决HPE中能源有限问题的方法。通过DSE探讨了准确性和硬件资源有效利用之间的平衡问题，并提出了综合指标。该方法可用于设计具有适当传感器位置、数据隐私保护和资源感知能力的健康应用。