本文介绍了多种隐私保护的联邦学习模型，如Federated Forest和RepTreeFL，旨在在不泄露原始数据的情况下进行数据处理和模型训练。研究提出了新的聚合算法和决策树训练方案，以提高模型性能和数据隐私保护，适用于多种数据集和实际任务。

FedQV是一种新的聚合算法，用于增强联邦学习对投毒攻击的鲁棒性，并结合隐私保护机制。