近期，我院林晖、汪晓丁教授团队在安全高效分布式计算与存储领域取得系列重要进展，三项研究成果分别被CCF A类期刊《IEEE Transactions on Computers》、《IEEE Transactions on Dependable and Secure Computing》、《IEEE Transactions on Information Forensics and Security》录用。该系列成果分别从个性化收敛、异构对抗与可信存储三个角度出发，为提升分布式智能系统的安全性与高效性提供了全新技术路径。
研究成果一：FMLH：基于约束超网络的个性化联邦元学习（IEEE TC 2026）
该成果面向个性化联邦学习中单一元模型适应性不足的问题，首次将超网络与联邦元学习相结合，提出FMLH框架，利用微调模型差异生成个性化元模型，并设计了自适应个性化比例策略。严格的收敛界与泛化界证明及实验表明，该方法可将最低分位准确率提升18.71%，最大准确率提升5.6%。该工作成果以“Toward Personalized Federated Meta-learning with Constrained Hypernetwork on Non-IID Data”为题，发表于中国计算机学会推荐的A类期刊《IEEE Transactions on Computers》。该论文福建师范大学为第一单位，第一作者为我院22级硕士研究生吴立钊（现于英国埃克塞特大学攻读博士学位），通讯作者为我院林晖教授、汪晓丁教授。
图1. 研究成果一技术路线示意图
论文链接：https://ieeexplore.ieee.org/document/11216134
研究成果二：FedPA：生成器驱动的异构联邦原型对抗学习（IEEE TDSC 2025）
该成果面向联邦学习中客户端数据异构导致的模型偏差问题，提出生成式原型对抗学习框架FedPA，通过轻量级特征生成器与全局原型对齐实现全模型正则化，并首次利用原型表示挖掘困难特征。在MNIST、EMNIST、FashionMNIST、CelebA等数据集上，相比最先进方法测试准确率提升3.7%。该工作成果以“FedPA: Generator-Based Heterogeneous Federated Prototype Adversarial Learning”为题，发表于中科院SCI二区TOP期刊《IEEE Transactions on Dependable and Secure Computing》。该论文福建师范大学为第一单位，第一作者为我院22级硕士研究生江磊，通讯作者为我院林晖教授、汪晓丁教授。
图2. 研究成果二技术路线示意图
论文链接：https://ieeexplore.ieee.org/document/10579863
研究成果三：SemantiChain：基于语义分片的可信检索区块链（IEEE TIFS 2024）
该成果面向区块链系统中海量异构数据可信存储与高效检索的需求，提出语义分片技术，在分布式近似近邻检索框架下实现链上语义特征的存储与并行共识，理论分析与实验表明，相比主流算法可降低检索时间32.29%、内存占用77.97%，在QUORA、MSMARCO、SOP等数据集上检索性能提升45.88%以上。该工作成果以“SemantiChain: A Trust Retrieval Blockchain based on Semantic Sharding”为题，发表于中科院SCI一区TOP期刊《IEEE Transactions on Information Forensics and Security》。该论文福建师范大学为第一单位，第一作者为我院21级硕士研究生镇子航（现于华中科技大学攻读博士学位），通讯作者为我院林晖教授、汪晓丁教授。
图 3. 研究成果三技术路线示意图
论文链接：https://ieeexplore.ieee.org/document/10741559