每种隐私计算路线各有优缺点，在不少场景中可以结合使用以扬长避短。结合（主要技术 + 辅助技术）代表优点分布式计算 + 密码学联邦学习采用MPC(包括同态加密)实现梯度的安全汇聚，各方的梯度不暴露给server，只暴露汇聚后的梯度。利用密码学技术减少联邦学习的中间信息泄露，提升隐私性。分布式计算 + 信息混淆脱敏联邦学习采用差分隐私保护梯度，只对server暴露加噪后的梯度。利用差分隐私减少联邦学习