我院林晖、汪晓丁教授团队在分布式智能系统的安全高效存储、计算方面取得系列突破
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 Constr