Nhờ vào sự vượt trội về khả năng dự đoán của các phương pháp học sâu, ứng dụng trí tuệ nhân tạo nói chung và học sâu nói riêng đã giải quyết được nhiều vấn đề thực tế và ngày càng được sử dụng rộng rãi trong nhiều lĩnh vực, ngành nghề. Tuy nhiên, mặc dù các mô hình học máy dựa trên học sâu mạnh trong nhiều tác vụ và bài toán nhưng vẫn chưa hoàn thiện. Điển hình là các mô hình này rất dễ bị tấn công và vi phạm các tiêu chí về an toàn thông tin. Trong đó, rủi ro vi phạm về riêng tư dữ liệu là một vấn đề nhức nhối vì nó không chỉ ảnh hưởng đến hệ thống, người cung cấp dịch vụ, người dùng mà còn cả đến sự an toàn, lòng tin của con người vào việc sử dụng công nghệ và các vấn đề xã hội, pháp lý. Trong bài báo này, chúng tôi tổng hợp và phân tích các công trình liên quan đến vấn đề vi phạm riêng tư dữ liệu trong học sâu trong những năm gần đây, từ đó đề xuất mô hình và đưa ra những cảnh báo khi xây dựng các mô hình học sâu.Thanks to the superior predictability of deep learning methods, artificial intelligence (AI)- applied technologies solve a wide range of problems and are increasingly widely used in many fields and industries. However, deep learning-based machine learning models are good at many tasks, problems but not perfect, typically these models are very vulnerable to various attacks which violate information security criteria. In particular, the risk of data privacy breaches is an itchy issue because it not only affects the system, service providers, users but also the safety and trust of people in using these technologies, thereby seriously leading to social and legal issues. In this article, we summarize and analyze the related works of privacy violation issues in deep learning in recent years, thereby modeling and giving warnings when building deep learning models.