联邦学习：异构联邦学习、个性化联邦学习、图联邦学习、纵向联邦学习

在多源协作的数据隐私保护方面，研究复杂场景下的异构联邦学习技术，搭建了一个面向异构联邦学习的框架和方法基准，支持20多种联邦学习算法，全面评估模型的鲁棒性、公平性和泛化性，在ACM Computing Surveys 发表异构联邦学习综述文章，系列成果发表于CVPR 2023、TPAMI 2023、ICCV 2023、NeurIPS 2023、IJCAI 2023、AAAI 2024.