差分隐私与联邦学习研究如何在保护数据隐私的前提下进行高效的机器学习模型训练和数据分析。该方向涵盖差分隐私机制设计、联邦学习算法优化、隐私保护下的图神经网络训练等关键问题，在医疗健康、金融、科学数据共享等领域具有重要应用价值。