本文综述差分隐私机器学习中的公平性问题，指出DP-SGD因梯度裁剪和噪声对少数类影响更大，导致模型不公平。研究提出FairDP、JFT、DAP等机制，通过分组训练、微调预训练模型、对抗训练等方法，在隐私、效用与公平间取得更好平衡，并验证了隐私微调在医学等敏感领域的可行性。