新闻网 理工主页 / 文明网 / 投稿通道    
网站首页 媒体理工 视频理工 图说理工 理工校报 理工融媒 学习在线 新闻回顾
综合新闻 基层动态 教学科研 学术报告 国际交流 学生活动 校友资讯 理工人物
  您当前的位置: 首页 > 教学科研 > 正文
出彩理工 | 软件学院教师李亚男在人工智能领域顶级国际期刊发表学术论文
发布:苏丽敏 供稿:软件学院 发布时间:2023-12-04 打印本文

本网讯(通讯员 李亚男)近日,软件学院教师李亚男作为第一作者的最新研究成果“多阶段自适应差分隐私的异步联邦学习算法”(Multi-stage Asynchronous Federated Learning with Adaptive Differential Privacy)被人工智能领域顶级学术刊物IEEE模式分析与机器智能汇刊(英文简称IEEE TPAMI)录用。

IEEE TPAMI在中国计算机学会认定的人工智能领域四个A类期刊中排名第一,是计算机视觉及模式识别领域最顶尖的期刊,目前影响因子24.314。根据当前流行的谷歌学术检索统计,该期刊在所有计算机工程、电子工程及人工智能相关期刊榜单上以165分的h5指数排在第1位,主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。TPAMI筛选极其严格,每年录用量仅200篇左右。

联邦学习(FL)与差分隐私(DP)是两种主流的数据隐私保护技术,两者的结合能够增强多主体数据联合训练过程中的隐私安全。目前,联邦学习(FL)与差分隐私(DP)结合的主流做法是使用固定标准对梯度进行裁剪并添加噪声,但存在模型效用与隐私保护难以均衡这一根本问题。特别是在各参与方数据不能满足独立同分布这一经典假设时,需要牺牲更多的模型效用来保护数据隐私安全。

为缓解模型效用与隐私保护矛盾这一根本问题,本研究工作提出了多阶段差分隐私保护的异步联邦学习架构MAPA,该架构能根据学习过程动态地调整梯度裁剪与噪声方差大小,以降低引入的噪声对模型效用的影响。进一步,考虑中心服务器是否可信,提出了样本级隐私保护算法MAPA-S和用户级隐私保护算法MAPA-C。在大量的标准联邦数据集上与6种先进的算法进行了比较,结果表明MAPA能够在不改变隐私保护程度前提下显著提升模型的效用,为异步联邦学习的行业应用提供了可行方法。

本栏目最近更新
2025-04-16
学校召开2024年度就业工作表彰暨2025年就业工作推进会
2025-04-16
校领导参加时空大数据与低空经济校友论坛
2025-04-14
副校长丁亚红带队赴西北工业大学、长安大学考察调研
2025-04-14
学校召开2025年网络安全和信息化工作会议
2025-04-14
学校2025年体育节暨运动会圆满闭幕
2025-04-13
学校举办2025年第三场春季校园双选会
2025-04-10
中国共产党河南理工大学第三次党员代表大会胜利召开
学校主页   收藏本站  设为首页  

版权所有 Copyright© 2010-2020      河南理工大学新闻网  校ICP备05020号

访问次数: 访问人数: 本页访问次数: 在线人数:0

河南理工大学新闻网 / 主办 河南理工大学党委宣传部 / 技术支持 河南理工大学信息化建设与管理中心