近日，我校计算机学院数智安全与融合应用创新团队在《中国科学：信息科学》发表题为《SDFL：一种隐私保护与拜占庭鲁棒的去中心化联邦学习方案》的学术论文。

《中国科学：信息科学》由中国科学院和国家自然科学基金委员会共同主办，是信息科学领域具有重要影响力的中文学术期刊。该刊被中国计算机学会（CCF）、中国电子学会（CIE）认定为T1级推荐期刊，并获中国自动化学会（CAA）、中国通信学会（CIC）及中国人工智能学会（CAAI）的A类期刊推荐。

该研究提出一种名为SDFL的安全去中心化联邦学习方案，融合可验证秘密共享与零知识证明技术，实现隐私保护与拜占庭攻击的有效防御。去中心化联邦学习有效解决了传统联邦学习中的中心服务器单点故障问题，但也面临更突出的隐私泄露与拜占庭攻击风险。现有隐私保护与鲁棒性方法多针对传统联邦学习框架，难以直接适用于去中心化场景。实验表明，SDFL面对拜占庭攻击、在多种机器学习模型中均能保持较高的模型分类准确率与系统效率。

该研究工作，华侨大学作为第一完成单位，由华侨大学计算机科学与技术学院、厦门市数据安全与区块链技术重点实验室全韩彧博士（第一作者）、2022级硕士研究生钱彦屹、李越博士、田晖教授（通信作者）等校内研究人员主导，联合西安电子科技大学刘雪峰教授、平安科技（深圳）有限公司副总工程师王健宗博士、福建泉工股份有限公司技术总监钟迦等合作完成。

论文链接：https://doi.org/10.1360/SSI-2025-0208

SDFL系统模型

（责编：郑艺晗）