杭州电子科技大学 | CSL实验室博士生在CCF网络与信息安全领域A类期刊IEEE TDSC发表AI安全研究成果

信息网络安全杂志

2026年10月14日 12:00
上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

科研进展

论文标题：Structure-Aware Local Differential Privacy for Multimodal Collaborative Inference in Federated Learning Systems

论文链接：https://ieeexplore.ieee.org/abstract/document/11538362

近日，杭州电子科技大学芯片与安全实验室（CSL）博士生高远在导师夏莹杰教授指导下，与杭州师范大学、浙江大学等研究团队合作完成的AI模型安全推理研究成果“Structure-Aware Local Differential Privacy for Multimodal Collaborative Inference in Federated Learning Systems”在IEEE Transactions on Dependable and Secure Computing(CCF-A、TOP期刊，IF=7.5)发表。实验室博士生高远为论文第一作者，夏莹杰教授为通讯作者。

在多模态任务的联邦学习系统中，云端-边缘协作推理的中间特征会受到不可信云的重建攻击，导致用户敏感数据泄露。作为一种广泛使用的隐私保护范式，局部差分隐私已成为协作推理的一种实用防御手段。然而，大多数现有的基于局部差分隐私的方法在跨模态注入均匀噪声时，未能考虑任务重要性和隐私敏感性的差异，导致实际推理效果下降，即任务关键维度可能被过度扰动，而敏感组件却得不到充分保护。

图1 Struct-DP总体框架图

论文提出 Struct-DP，在对中间特征解耦的基础上，设计结构化差分隐私方案对其进行扰动。共包含两个核心机制：(i) 共享-私有表示解耦，利用跨模态相关表示学习来隔离与任务相关的共享语义；以及 (ii) 结构感知噪声注入，根据各维度的隐私敏感度和任务重要性评分自适应地分配噪声预算。通过向高隐私、低任务相关性的子空间分配更多噪声，方案在隐私保护与任务效用之间实现了更好的平衡。基于主流数据集（CMU-MOSI 和 CMU-MOSEI）的实验表明，Struct-DP 在保持 98.2% 的峰值任务效用的同时，将重建误差较均匀噪声基线提高了约 7 倍。

IEEE Transactions on Dependable and Secure Computing为网络与信息安全领域中国计算机学会推荐的A类国际学术顶刊（CCF A），影响因子为7.5。

杭州电子科技大学CSL实验室，成员涵盖本、硕、博各阶段学生，形成了独具特色的人才培养模式。实验室聚焦物联网安全、芯片安全等国家亟需领域，为每位学生制定面向国际前沿的研究规划，并与清华大学、浙江大学、中南大学等高校建立联合培养模式，优秀学生长期与这些高校研究团队开展紧密合作与交流访学，力争产出具有国际影响力的一流成果。欢迎志向高远、具有自驱力的优秀学生加入CSL实验室！

来源：杭州电子科技大学

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！