Bài báo này nghiên cứu về học liên hợp bảo vệ quyền riêng tư (PPFL), một phương pháp đào tạo mô hình toàn cục sử dụng dữ liệu từ nhiều máy khách trong khi vẫn bảo vệ quyền riêng tư. Để khắc phục những hạn chế của các giao thức PPFL hiện có, chẳng hạn như độ chính xác kém, nhu cầu chia sẻ khóa và nhu cầu hợp tác trong quá trình tạo hoặc giải mã khóa, chúng tôi đề xuất một giao thức PPFL mới sử dụng mạng nơ-ron. Giao thức này kết hợp các mạng đối nghịch đồng hình (HAN) tích hợp một lược đồ mã hóa lai có khả năng tổng hợp được điều chỉnh theo yêu cầu của PPFL. Nó thực hiện các nhiệm vụ tương tự như mã hóa đồng hình đa khóa (MK-HE) trong khi giải quyết các vấn đề phân phối khóa và giải mã cộng tác. Kết quả thử nghiệm chứng minh rằng HAN mạnh mẽ trước các cuộc tấn công quyền riêng tư, thể hiện mức mất độ chính xác tối thiểu (lên đến 1,35%) so với học liên hợp không bảo vệ quyền riêng tư và đạt được tốc độ tổng hợp mã hóa tăng 6.075 lần so với các lược đồ MK-HE hiện có, nhưng với chi phí truyền thông tăng 29,2 lần.
