联邦生成对抗网络中的隐私保护技术研究综述
来源：计算机工程与应用杂志2026年第12期北京时间：
作者：霍峥, 王素贞, 张腾飞
单位：1.河北经贸大学 管理科学与信息工程学院，石家庄 050061；2.河北工程技术学院 科研与产教融合处，石家庄 050091；
摘要：联邦生成对抗网络作为融合生成建模与联邦学习的新型隐私计算框架，逐渐成为研究热点。相比传统集中式GAN，FedGAN可在数据不出本地的前提下，联合训练生成模型，降低隐私泄露风险。然而，由于生成模型本身具备重构数据分布的能力，仍面临如成员推理攻击、模型提取攻击等隐私威胁。系统梳理了联邦GAN中的隐私攻击模型及差分隐私在联邦生成对抗网络中的研究进展，分析了联邦GAN的架构，以及差分隐私随机梯度下降、Rényi差分隐私等主流隐私保护机制的部署方式；简要介绍了近年来知识蒸馏技术、同态加密与安全多方计算在联邦GAN中的应用。最后，归纳当前存在的挑战，并展望未来发展趋势。
关键词：联邦学习,生成对抗网络,差分隐私,知识蒸馏
基金资助：国家自然科学基金（62002098）；河北省自然科学基金（F2025207001）；河北省省级科技计划项目（246Z0703G）；河北省教育厅科学研究项目（QN2022061）。
