Sherpa.ai 論文閱讀分析：很多跨機構 AI 合作真正先洩漏的，不是資料值，而是原來彼此手上講的是同一批人
Sherpa.ai 把 federated learning 裡最容易被低估的 joining layer 拉回安全核心：真正該保護的，不只是 identifier，而是連 intersection membership 也不該先被看光。
2026 年 4 月 22 日
Federated Learning
2026
CHRONOS 論文閱讀分析：很多 secure federated learning 真正卡住的，不是隱私保護不夠，而是把最重的密碼成本塞進了最不該卡的 training path
這篇論文真正重要的，不只是又做了一個 secure federated learning 方案，而是把問題問對了：當 IoT 裝置最貴的是 active training phase，那些 data-independent 的密碼協定就不該繼續塞在那段 critical path 裡。
2026 年 4 月 22 日
DP-FLogTinyLLM 論文閱讀分析：很多 log AI 真正缺的，不是再多吃一點資料，而是資料不能集中時整套偵測還能不能活
這篇論文真正重要的，不是又把 log anomaly detection 跟 LLM 接在一起，而是正面回答一個更接近企業現場的問題：當最有價值的 logs 也是最不能集中搬走的 logs，偵測能力還能保住多少。
2026 年 4 月 22 日