该文综述机器学习隐私保护研究，涵盖成员推理、模型反演、属性推断和模型窃取等攻击，以及干扰攻击、数据扰动、差分隐私、MemGuard噪声、互信息正则化和统计推断框架等防御方法，这些方法可在保持模型精度的同时降低隐私泄露，提升联邦学习等系统的安全性。