近日，从全球最具规模与影响力的信号处理旗舰会议IEEE International Conference on Acoustics, Speech, and Signal Processing（ICASSP）传来喜讯。浙江大学伊利诺伊大学厄巴纳香槟校区联合学院（ZJUI）研究员、助理教授杨浩参与合作的论文《Federated Learning With Differential Privacy: Algorithms and Performance Analysis》荣获2022 IEEE信号处理学会最佳论文奖（2022 IEEE Signal Processing Society Best Paper Award）。合作者包括香港理工大学韦康博士、南京理工大学李骏教授、之江实验室马川副研究员、澳大利亚CSIRO丁铭研究员、澳大利亚墨尔本大学Farokhi Farhad高级讲师、新加坡科技与设计大学Tony Q. S. Quek院士，东南大学金石教授和普林斯顿大学H. Vincent Poor院士。该论文发表于网络与信息安全领域的国际两大顶级期刊之一《IEEE Transactions on Information Forensics and Security（IEEE TIFS）》期刊，为中国计算机学会（CCF）推荐的A类期刊，也是SCI一区TOP期刊，影响因子8.28，在信息安全、信息科学和计算机网络等领域具有很高的影响力。据悉，该论文目前已成为隐私保护分布式机器学习领域的经典论文之一，长期位列IEEE TIFS最受欢迎论文榜（Popular Article）前3名。自2020年发表至今，该论文于谷歌学术显示引用数达830余次，Web of Science引用数达600余次且入选ESI高被引论文（学科内全球排名前1%以内的论文）。

该获奖论文开发了一种新颖的基于差分隐私技术（Differential Privacy）的隐私保护联邦学习（Federated Learning）框架，并发现了隐私性和联邦学习模型性能之间的权衡关系。具体而言，该文揭示了差分隐私保护联邦学习架构的两个重要特性。与传统的联邦学习不同，在给定的保护级别情况下，聚合次数或客户端数量均存在最优值，可最优化训练性能。该文章为后续隐私保护联邦学习的研究奠定了理论基础，如选择的客户端数量和最大聚合次数，为探索最优的隐私学习权衡提供了方向，同时为分布式推荐系统、流量预测、能耗预测等联邦学习的广泛应用提供了隐私保障。

IEEE信号处理学会是电气与电子工程师协会（IEEE）下设主要学会之一，其颁发的最佳论文奖是信号处理领域最有影响力的国际学术奖项之一。该奖项不接受作者个人提名，而是由IEEE信号处理学会下12个领域的技术委员会（Technical Committee）按照论文质量及原创性标准，从学会过去六年内的优秀论文中提名，最多提名六篇论文授予该奖项。

杨浩，ZJUI助理教授 研究员

杨浩博士，ZJUI学院助理教授、研究员（博士生导师），毕业于新加坡科技设计大学。主要研究方向为无线通信网络的基础理论与系统设计，聚焦大维无线网络中空时随机业务的建模与分析、面向信息时效性的物联网优化以及无线边缘网络的联邦学习系统设计等课题，取得了一系列研究成果。

已发表无线通信网络领域权威期刊论文45篇、国际会议论文 30 篇，由 Springer 出版英文专著一部。谷歌学术引用3100余次，H因子23；入选斯坦福大学公布的2022年全球前2%顶尖科学家榜单。相关研究工作曾获IEEE信号处理协会2022年度最佳论文奖（IEEE Signal Processing Society 2022 Best Paper Award）、IEEE ComComAP会议2021年最佳论文奖、IEEE WCSP会议2014年最佳论文奖以及IEEE WCSP会议2019年十周年纪念优秀论文奖。

现任无线通信国际顶级期刊 IEEE Transactions on Wireless Communications 编委，担任国际通信大会IEEE ICC 2024、世界物联网论坛IEEE WF-IoT 2023等重要国际会议分会场主席；在多个网络通信与信号处理领域国际会议（包括IEEE ICASSP 2023、WiOpt 2023、IEEE SPAWC 2023、IEEE SECON 2022等）组织过面向无线网络的分布式机器学习主题研讨会，且在IEEE ICC、IEEE Globecom、IEEE WCNC等无线通信网络的标志性旗舰国际会议进行过多次教程系列（Tutorial Series）专题讲座报告。

原文链接: https://ieeexplore.ieee.org/document/9069945