本研究提出了一种隐私保护的领域对抗联邦学习框架（DAFed），旨在解决脑功能连接分析中的隐私问题和数据挑战。该框架通过特征解耦和对抗训练，提高了模型的鲁棒性和分类准确性，尤其在自闭症谱系障碍的诊断中表现突出，推动了多站点联合研究的发展。