日常 | 分布式人工智能实验室赵兴莹博士预答辩成功举办

数学学院分布式人工智能实验室于3月6日成功举办了博士生赵兴莹的毕业论文预答辩会议。赵兴莹的博士学位论文主题是联邦学习的协同优化与隐私保护及其应用。本次会议特邀中国人民大学统计学院孙怡帆老师，中国人民大学数学学院的孙鸿鹏老师和姜昊老师担任预答辩小组成员。

在会议中，赵兴莹同学首先介绍了论文的研究背景和意义。基于联邦学习面临的众多挑战，赵兴莹同学主要考虑噪声数据对联邦学习的影响，以及数据各个客户端数据异质性的分布对联邦学习的影响，以及模型参数的隐式保护在人脸识别领域的一个应用。

紧接着赵兴莹同学介绍了论文的主要工作，包括基于数据筛选的抗噪声的联邦学习方法、基于自适应样本加权的联邦学习方法和联邦人脸识别的应用三个部分。

在基于数据筛选的抗噪声的联邦学习方法部分，赵兴莹同学的工作包括分析噪声数据的影响机制，并根据噪声数据的特征，依据全局模型输出的样本损失协同客户端及进行样本筛选。

第二部分是基于自适应样本加权的联邦学习，研究内容包括在全局模型协同下对客户端的样本进行加权，进一步结合隐式自步正则化的方法使其在联邦学习中更便于运用，最后结合差分隐私来进一步确保数据的安全。

第三部分联邦人脸识别领域的应用，内容包括在将样本加权方法应用到联邦人脸识别的基础上，进一步改进了损失函数的设计。

最后预答辩小组及列席人员提问环节，老师们充分肯定了赵兴莹同学毕业论文的工作，并提出了一系列的指导修改意见。孙鸿鹏老师对函数凹凸性的假设，对偶变量的约束等方面提出建议；姜昊老师则对噪声识别中对标签的扰动提出质疑，对全文的逻辑结构、图表的表述等细节提出建议；孙怡帆老师提出可以提供实证部分多次实验结果的方差，进一步优化论文，完善筛选正常数据的理论部分。