文章总结： 黑龙江大学计算机学院朱敬华教授团队论文被KDD2026录用，提出FedTail-DT框架，通过双教师知识蒸馏和CLIP原型对比学习解决联邦学习数据异构与长尾分布问题，为隐私计算提供新范式。 综合评分： 63 文章分类： 其他

喜报：黑龙江大学计算机与大数据学院（网络安全学院）科研成果首次被国际数据挖掘领域顶会录用

信息网络安全杂志

2026年7月9日 12:00 上海

在小说阅读器读本章

去阅读

计算机与大数据学院（网络安全学院）科研成果首次被国际数据挖掘领域顶会录用。

近日，黑龙江大学计算机与大数据学院（网络安全学院）朱敬华教授团队在数据挖掘与知识发现领域取得重要科研突破。由朱敬华（简介：https://jsj.hlju.edu.cn/info/1100/2691.htm）教授作为通讯作者，2025级硕士研究生郭子杰作为第一作者完成的论文《FedTail-DT: A Dual-Teacher Framework for Long-Tailed Heterogeneous FL with CLIP Prototypes and Adaptive Aggregation》，被国际数据挖掘领域顶级会议ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026) 录用。

KDD 是数据挖掘与知识发现领域历史悠久、影响力极强的国际顶级学术会议，被中国计算机学会（CCF）列为A 类会议，国际 CORE 评级为A * 级，亦是我校认定的高水平科研成果。会议核心研究赛道（Research Track）历年录用率均不足 20%，2026年的录用率为18.5%，竞争十分激烈。据谷歌学术指标显示，KDD 在计算机工程领域数据挖掘与分析方向的 h5 指数达 124，位居全球该领域第二位，学术地位名列前茅。

联邦学习作为隐私友好型分布式学习范式，可有效打破数据孤岛、守护数据隐私，在金融、医疗健康等行业具备广阔应用前景。针对实际落地过程中联邦学习普遍面临的数据异构、类别长尾分布两大难题，团队创新性提出 FedTail-DT 框架。该成果首次引入预训练 CLIP 模型作为语义先验教师，结合全局迭代优化教师，搭建 “双教师 – 单学生” 知识蒸馏架构。依托 CLIP 文本原型对比学习，有效改善尾部类别特征偏移问题；同时创新设计多维客户端评分机制，精准校准模型聚合权重。大量实验验证表明，该框架依托跨模态先验知识、尾部类别特征增强与动态客户端权重调配的协同作用，显著提升模型性能，为长尾场景下的联邦学习提供了全新、高效的技术范式。

该论文的成功录用，不仅展现了黑龙江大学学者面向国际前沿的学术潜力与探索精神，也是计算机与大数据学院（网络安全学院）“以科研促育人、以育人强科研”理念的生动实践。学院将继续厚植创新土壤，培育一流师生团队，产出更多原创成果，推动学校“双一流”和学科建设行稳致远。

来源：黑龙江大学计算机学院与大数据学院

信息网络安全

《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。

中文核心期刊

中国科技核心期刊

中国科学引文数据库来源期刊

CCF计算领域高质量科技期刊

我们在不断努力和完善中，期待您的关注和支持！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息网络安全杂志 《喜报：黑龙江大学计算机与大数据学院（网络安全学院）科研成果首次被国际数据挖掘领域顶会录用》