中心许文盈教授团队在顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》上发表论文

发布者:省应用数学中心发布时间:2026-03-13浏览次数:10

近日,东南大学数学学院许文盈教授团队与计算机科学与工程学院张敏灵、杨绍富教授团队通力合作,在去中心化学习隐私保护领域取得重要突破。相关研究成果“Privacy Preserving Decentralized Learning with Positive-Incentive Noise”被人工智能国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)录用并在线发表。该期刊目前的影响因子为18.6,是该学科领域最具权威性的学术期刊之一。

在大数据时代,如何在保障各节点本地数据隐私的前提下实现高效协同的模型训练,已成为人工智能与网络科学交叉领域的研究热点。然而,传统去中心化算法面临严重的“隐私-效用”权衡难题:为了抵御共谋推理攻击,算法往往需要注入大量随机噪声,但会不可避免地导致模型收敛精度下降;若减少噪声,则难以在复杂网络中提供充足的安全保障。

针对上述挑战,研究团队提出了一种创新的正向激励噪声生成及其配套的去中心化随机算法。该研究巧妙地利用网络拓扑结构和轻量级加密技术产生时空相关噪声,使得节点在迭代中能够抵消邻居节点的聚合噪声,从而在不损害模型精度的前提下,提升模型的隐私保障。研究团队为该算法提供了严密的隐私量化分析,并严格论证了算法的收敛速度及其相对于网络规模的线性加速特性。实验结果表明,PP-DPIN算法在处理大规模计算机视觉任务时,其精度和抗攻击能力均显著优于现有主流方法。

本研究是在国家自然科学基金、江苏省应用数学科学研究中心等项目资助下完成的。

论文信息:

Luqing Wang, Shaofu Yang, Yifan Wan, Wenying Xu and Min-Ling Zhang, "Privacy Preserving Decentralized Learning with Positive-Incentive Noise," IEEE Transactions on Pattern Analysis and Machine Intelligence, doi: 10.1109/TPAMI.2026.3672569.

链接:https://ieeexplore.ieee.org/document/11427325S