［本站(zhàn)訊］近日，計算(suàn)機科學與技術學院智能(néng)計算(suàn)研究所在分(fēn)布式智能(néng)、智能(néng)安全及隐私保護等領域多項研究成果分(fēn)别發表于期刊IEEE/ACM TON、IEEE TKDE以及ACM TOSN，第一(yī)作(zuò)者以及通訊作(zuò)者單位均爲山東大學。

 任意一(yī)般圖中的智能(néng)體可以通過相互交換隐私信息進行合作(zuò)，但(dàn)是這些(xiē)智能(néng)體的可信任性難以得到保障。某些(xiē)惡意智能(néng)體還可能(néng)散布虛假信息，幹擾智能(néng)體之間的協作(zuò)。

“Collaborative Learning in General Graphs with Limited Memorization: Complexity, Learnability, and Reliability”發表于CCF A類期刊IEEE/ACM Transactions on Networking，作(zuò)者包括山東大學教授李峰（第一(yī)作(zuò)者、通訊作(zuò)者）、碩士研究生(shēng)袁旭陽（學生(shēng)作(zuò)者）、博士研究生(shēng)王麗娜、教授于東曉、教授成秀珍，北京航空航天大學教授呂衛鋒等。該項工作(zuò)考慮了(le)一(yī)般圖中面向K臂老虎機的多智能(néng)體協同學習問題，提出了(le)一(yī)個“disseminating-sampling-adopting”三階段的協作(zuò)學習算(suàn)法。該工作(zuò)通過深刻的理(lǐ)論分(fēn)析表明：當有足夠多的智能(néng)體參與協作(zuò)學習過程時，即使在記憶能(néng)力和通信帶寬方面存在限制，所有智能(néng)體最終能(néng)夠以高概率學習到最佳的臂。該工作(zuò)的理(lǐ)論分(fēn)析還揭示了(le)算(suàn)法可以容忍的惡意智能(néng)體數量的上(shàng)限。

 VibHead系統框架

“A Distributed Privacy-Preserving Learning Dynamics in General Social Networks”發表于CCF A類期刊IEEE Transactions on Knowledge and Data Engineering，作(zuò)者包括山東大學博士研究生(shēng)陶又銘（第一(yī)作(zuò)者）、陳姝祯、教授李峰（通訊作(zuò)者）、教授于東曉，齊魯工業大學教授禹繼國，北京航空航天大學教授盛浩等。該工作(zuò)提出了(le)隐私保護的分(fēn)布式協作(zuò)學習機制，利用了(le)随機遊走和本地差分(fēn)隐私技術，設計了(le)面向任意通訊拓撲和有限記憶力的分(fēn)布式協作(zuò)多臂老虎機算(suàn)法，并從理(lǐ)論上(shàng)證明了(le)智能(néng)體數量、通訊複雜度、隐私預算(suàn)和學習效用之間的關系。

“VibHead: An Authentication Scheme for Smart Headsets through Vibration”發表于CCF B類期刊ACM Transactions on Sensor Networks，作(zuò)者包括山東大學李峰教授（第一(yī)作(zuò)者）、碩士研究生(shēng)趙佳藝（學生(shēng)作(zuò)者）、教授于東曉、教授周元峰、教授沈益冉（通訊作(zuò)者）等。當前智能(néng)頭戴設備的身(shēn)份認證機制面臨操作(zuò)複雜、依賴于特殊裝置等一(yī)系列問題。該項工作(zuò)首次提出了(le)一(yī)種基于振動的智能(néng)頭戴設備身(shēn)份驗證方案VibHead。由于震動信号在不同個體頭部傳播時呈現出獨特的模式，VibHead從震動信号中提取特征，并利用卷積神經網絡模型爲已注冊合法用戶構建分(fēn)類器(qì)。依據上(shàng)述分(fēn)類器(qì)，該工作(zuò)設計了(le)一(yī)個兩步驟身(shēn)份驗證方案，以區分(fēn)合法用戶和非法用戶。該工作(zuò)構建了(le)VibHead系統原型，通過大量實驗，證明該系統可對用戶身(shēn)份進行毫秒(miǎo)級的準确驗證，誤通過率和誤拒絕率均爲5%左右。該工作(zuò)即将在嵌入式傳感網頂級會議ACM Conference on Embedded Networked Sensor Systems (SenSys 2023)上(shàng)作(zuò)會議報告。

文章鏈接：

1.Collaborative Learning in General Graphs with Limited Memorization: Complexity, Learnability, and Reliability

2.A Distributed Privacy-Preserving Learning Dynamics in General Social Networks

3.VibHead: An Authentication Scheme for Smart Headsets through Vibration