联邦学习、安全多方计算、可信执行环境等隐私计算技术备受学术界和产业界的广泛关注。边缘学习采取数据在就近的边缘服务器/终端设备上本地化处理的方式，本质上就是隐私计算的一种实现方法，但是“云-边-端”架构的边缘学习模式又带来了许多新的隐私泄露风险。从边缘学习的基本概念、分类和特征出发，分析边缘学习的隐私泄露风险及隐私计算需求、给出边缘学习中的主流隐私计算技术架构及实践案例。此外，此次会议上正式发布了由边缘计算产业联盟组织编写的《边缘学习：隐私计算白皮书》。