联科的高级计算科学家在分布式子图联邦学习领域研究中取得了令人瞩目的成就
2023-11-27

联科集团的高级计算科学家张可发表了一篇开创性的论文,在研究领域做出了重大贡献。联科是一家专注于高性能计算和数据分析解决方案的领先科技公司,一直致力于为机构提供先进技术。这项成就展示了该公司在促进创新和推动不同科学领域进步的承诺。

张可及其同仁合著的论文名为《Deep Efficient Private Neighbour Generation for Subgraph Federated Learning》,深入探讨了分布式子图联邦学习这一新兴领域。该论文与香港大学姚兆明教授合作完成。姚教授专长于网络安全、密码学和金融科技。

该论文提出了FedDEP方法,全面解决了分布式子图联邦学习中由于缺失跨子图邻居而带来的独特挑战。FedDEP包含一系列创新的技术设计:(1)通过生成潜在缺失跨子图邻居嵌入,进行深度邻居生成;(2)通过模板嵌入进行高效的伪联邦学习邻居生成;(3)通过无噪声的差分边隐私进行隐私保护。论文分析了FedDEP的正确性和效率,并提供了关于隐私的理论保证。在四个真实数据集上的实证结果清晰展示了论文提出的技术的益处。

张可等人关于FedDEP的论文提出了一种开创性的方法,解决了分布式子图联邦学习中由于缺失交叉子图邻居而带来的挑战。张可将代表联科集团参加11月30日至12月5日在上海举办的活动 - ICDM-FedGraph*。联科以支持其优秀员工推动创新和提供尖端解决方案为荣。该提出的技术有潜力在联邦学习领域引起革命,使各行各业能够在各种应用中实现更准确、全面的模型训练。联科在研究与开发方面的承诺确保其持续为科学界和整个行业的进步做出贡献。

 

 

关于IEEE ICDM 2023:

The IEEE International Conference on Data Mining (ICDM)已确立为全球数据勘探研究领域的顶级学术会议。该会议为原创研究成果的发表提供了国际平台,同时促进创新和实践经验的交流和传播。会议涵盖了数据勘探的各个方面,包括算法、软件、系统和应用。 ICDM吸引了来自大数据、深度学习、模式识别、统计和机器学习、数据库、数据仓储、数据可视化、基于知识的系统和高性能计算等资料探勘相关领域的研究人员、应用开发者和从业人员。 通过推动创新的研究成果和解决数据勘探中具有挑战性问题的创新解决方案,该会议致力于推进数据勘探领域的技术发展。 

https://www.cloud-conf.net/icdm2023/index.html 

 

​​关于FedGraph研讨会:

FedGraph研讨会旨在汇集具有共同兴趣的不同背景的研究人员,探讨如何扩展当前的联邦学习算法以应用于图形数据模型,例如GNN(图神经网络)。联邦学习是一个极具商业价值的热门话题,并且已经在视觉和文本数据的机器学习方面得到广泛研究。而图形挖掘研究人员和工业实践者的探索最近才开始追赶上来。 这其中存在许多未被开发的挑战和机遇,迫切需要建立一个有组织且开放的社群,共同推进其背后的科学发展。 本研讨会的预期参与者将包括来自图形挖掘和联邦学习社群的研究人员和实践者,他们的兴趣包括但不限于:图形分析和挖掘、异构网络建模、复杂数据挖掘、大规模机器学习、分布式系统、优化、元学习、强化学习、隐私、鲁棒性、可解释性、公平性、伦理和可信度等领域。 

https://sites.google.com/view/fedgraph2023