将联邦学习应用于推荐系统，在不上传原始行为数据的前提下训练协同过滤或深度学习推荐模型。
学习差分隐私随机梯度下降算法，通过梯度裁剪和加噪机制严格限制模型对单一样本的依赖，实现可量化的隐私保护。
深入联邦平均算法，学习客户端采样、本地更新、模型聚合策略以及梯度压缩等提升通信效率的技巧。