“异构安全联邦优化关键技术与应用”项目代表、实验室常务副主任杨树森教授（右）与姜卫平院士（左）现场合影

“异构安全联邦优化关键技术与应用”项目由大数据算法与分析技术国家工程实验室团队完成，主要完成人为杨树森（实验室常务副主任）、任雪斌、赵聪、韩青、朱延杰、戴宏谋、徐宗本（实验室主任）。

联邦学习是打破产业智能化进程中“数据孤岛”的核心技术，其本质是分布式数学优化问题。然而相关数学方法的缺失导致当前联邦学习技术在产业落地中面临收敛性、鲁棒性和可扩展性等诸多瓶颈。西安交通大学团队联合云南电网有限责任公司和榆林市公安局共同建立了异构安全联邦学习的分布式优化技术，取得体系化创新：构建“迭代误差耦合”联邦优化与“结构稀疏性先验”隐私增强算法库，建模速度提升达3个数量级，精度平均提升10%以上。研发分布式联邦算力优化技术与联邦计算引擎，延迟响应和计算效率获量纲级提升。研制联邦平台与一体机“隐界”，具备高精度建模、全链路隐私安全、跨网域高速计算能力，符合信创体系要求，自主可控。成果发表于IEEE TPAMI，Comm. ACM等期刊，授权受理发明专利12项。