聯科的高級計算科學家在分布式子圖聯邦學習領域研究中取得了令人矚目的成就
2023-11-27

聯科集團的高級計算科學家張可發表一篇開創性的論文,在研究領域做出了重大貢獻。聯科是一家專注於高性能計算和數據分析解決方案的領先科技公司,一直致力於為機構提供先進技術。這項成就展示了該公司在促進創新和推動不同科學領域進步的承諾。

張可及其同仁合著的論文名為 《Deep Efficient Private Neighbour Generation for Subgraph Federated Learning》,深入探討了分佈式子圖聯邦學習這一新興領域。該論文與香港大學姚兆明教授合作完成。姚教授專長於網絡安全、密碼學和金融科技。

該論文提出了FedDEP方法,全面解決了分佈式子圖聯邦學習中由於缺失跨子圖鄰居而帶來的獨特挑戰。FedDEP包含一系列創新的技術設計:(1)通過生成潛在缺失跨子圖鄰居嵌入,進行深度鄰居生成;(2)通過樣板嵌入進行高效的偽聯邦學習鄰居生成;(3)通過無噪聲的差分邊隱私進行隱私保護。論文分析了FedDEP的正確性和效率,並提供了關於隱私的理論保證。在四個真實數據集上的實證結果清晰展示了 論文提出的技術的益處。

張可等人關於FedDEP的論文提出了一種開創性的方法,解決了分佈式子圖聯邦學習中由於缺失交叉子圖鄰居而帶來的挑戰。張可將會代表聯科集團參加11月30日至12月5日在上海舉辦的活動 - ICDM-FedGraph*。聯科以支持其優秀員工推動創新和提供尖端解決方案為榮。該提出的技術有潛力在聯邦學習領域引起革命,使各行各業能夠在各種應用中實現更準確、全面的模型訓練。聯科在研究與開發方面的承諾確保其持續為科學界和整個行業的進步做出貢獻。

 

 

關於IEEE ICDM 2023:

The IEEE International Conference on Data Mining (ICDM)已確立為全球資料探勘研究領域的頂級學術會議。該會議為原創研究成果的發表提供了國際平臺,同時促進創新和實踐經驗的交流和傳播。會議涵蓋了資料探勘的各個方面,包括算法、軟體、系統和應用。ICDM吸引了來自大數據、深度學習、模式識別、統計和機器學習、數據庫、數據倉儲、數據可視化、基於知識的系統和高性能計算等資料探勘相關領域的研究人員、應用開發者和從業人員。通過推動創新的研究成果和解決資料探勘中具有挑戰性問題的創新解決方案,該會議致力於推進資料探勘領域的技術發展。

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

 

關於FedGraph研討會:

FedGraph研討會旨在匯集具有共同興趣的不同背景的研究人員,探討如何擴展當前的聯邦學習算法以應用於圖形數據模型,例如GNN(圖神經網絡)。聯邦學習是一個極具商業價值的熱門話題,並且已經在視覺和文本數據的機器學習方面得到廣泛研究。而圖形挖掘研究人員和工業實踐者的探索最近才開始追趕上來。這其中存在許多未被開發的挑戰和機遇,迫切需要建立一個有組織且開放的社群,共同推進其背後的科學發展。本研討會的預期參與者將包括來自圖形挖掘和聯邦學習社群的研究人員和實踐者,他們的興趣包括但不限於:圖形分析和挖掘、異構網絡建模、複雜數據挖掘、大規模機器學習、分佈式系統、優化、元學習、強化學習、隱私、魯棒性、可解釋性、公平性、倫理和可信度等領域。 

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