近日，安恒信息博士后流动站的刘恬博士主导撰写的论文《On the Convergence of Gossip Learning in the Presence of Node Inaccessibility》被通信领域顶级会议 IEEE ICC’24 （IEEE International Conference on Communications, IEEE ICC）录用，安恒信息CTO刘博为论文指导老师之一。

该文探索了去中心化联邦学习在无线移动网络场景的性能边界问题，尤其是掉线节点对收敛性的影响，具有较高的理论与应用价值。同时也为联邦学习在无线移动网络场景下的应用奠定了良好的实践基础，为未来算法开发、网络优化和数据安全等方面提供了可借鉴的思路和方法。

IEEE ICC是IEEE通信协会的旗舰会议，也是全球通信网络领域规模最大、最具影响力的标志性学术会议之一，涵盖了下一代网络、移动互联网、认知无线网络、信息理论、无线通信、通信信号处理、光通信、多媒体通信、信息安全等各个领域, 每年吸引约2000名科学家、研究者和工业界人士参加。2024年ICC将于2024年6月9日-13日在美国科罗拉多州丹佛举行。该研究的第一完成单位为之江实验室及安恒信息，第一作者为安恒信息博士后流动站的刘恬博士。

联邦学习作为一种重要的隐私计算技术，其发展重心正在向移动通信网络转移。由于手机、无人机等无线设备受到电池、网络带宽等的限制，传统联邦学习中与服务器频繁通信将使设备电池迅速耗尽，因而难以在移动通信网络中应用。为了更好地适应无线网络中的单点故障及网络拓扑变化、提升电池寿命，Gossip Learning 作为一种去中心化联邦学习模式应运而生。然而，无线移动网络中节点掉线情况对其性能的影响仍亟待研究。

移动通信网络中节点掉线的两种情况

基于此，本研究首先对节点掉线情况下的收敛特征进行分析，发现其与无节点掉线情况下的收敛存在差异。此外，现有研究中基于全体节点模型平均（全局一致）的收敛分析存在权重误差，无法正确反映有掉线节点时的情况。因此，本研究定义了“部分一致”，即在某一时刻所有在线节点的模型平均，并据此探究掉线节点情况下的模型收敛性与掉线节点数量、时长以及数据异构性的关系。

不同类型节点以及两种一致定义下的权重发散情况

研究成果对提升去中心化联邦学习在无线移动网络中的性能有如下重要意义：

（1）可通过改善网络连接性以降低掉线移动节点数量；
（2）可通过引入修正算法或提高关键数据或节点参与训练的频次降低数据异构性水平；
（3）可通过调整节点重新在线时的聚合权重来减少权重误差。

安恒信息致力于研究前沿技术，并将其无缝融入产品，推动创新与实用的完美结合。安恒信息AiLand安全岛隐私计算平台，作为一个专注于保障数据安全流通，致力于解决多源多方数据联合建模分析时的安全、信任和隐私保护问题的隐私计算平台，综合应用可信执行环境（TEE）、多方安全计（MPC）、联邦学习（FL）等多种前沿隐私计算技术，在保障提供方数据安全、防止数据价值稀释的前提下，打通数据壁垒、优化数据配置，为需求方安全地获取和分析外部数据，促进数据自主有序流动、提高配置效率、发挥数据价值，建设好数据要素市场。

安恒信息AiLand安全岛隐私计算平台融合此技术，极大地提升了产品的安全性、通用性和可用性。我们坚信，借助这项技术，安恒信息的相关产品将再次取得突破，为客户带来前所未有的体验。欢迎广大用户亲身体验，与我们共同见证技术的力量！

安恒信息博士后流动站

“安恒信息博士后工作站分站”于2011年获批建立，并于2023年正式升级为国家级博士后科研工作站。作为推动产学研融合发展、引进培育高端人才的重要平台，该站旨在培养具有创新能力和实践经验的人才，推动学术研究成果向实际应用转化。自建站以来，该站已累计招收了9位博士后，涵盖了数据安全、隐私保护、敏感数据、隐私计算等领域，并取得了令人瞩目的研究成果。未来，安恒信息将继续致力于科技创新，不断探索前沿技术，加强产业链与创新链的深度融合，为我国数字安全领域的发展做出更大的贡献。