(通讯员高原) 西安电子科技大学协同智能系统教育部重点实验室高原博士、公茂果教授在IEEE Transactions on Cybernetics (IEEE TCYB)上发表题为“Multiparty Dual Learning”的学术论文，来解决孤立方中数据有限、质量较差的问题。

该论文针对对偶学习场景，基于传统的面向用户的差分隐私算法，设计了面向特征的差分隐私技术，在理论上保证了其他参与者无法精准推导本地数据特征和分布，保护了对偶训练和推理过程中的数据隐私性。同时，在第三方服务器端引入同态加密算法汇合梯度信息，保证了多方协同中的计算安全性。该方法仅需对现有的多方学习结构进行最小的修改，并且各方都可以分别构建灵活而强大的模型，其精度不低于非分布式自学习方法。该算法是一种多场景通用框架，可以无损应用于图像、网络和数值型数据。例如，进行污染和遮挡图像的修复和补全，在社交网络中进行用户推荐和节点分类，或者打通金融、医疗等数据敏感型企业之间的隐私协同，实现互利互通。

IEEE控制论汇刊致力于发表经过严格同行评审的高质量原创文章，反映计算机科学、人工智能、控制论领域的新进展、新技术、新成果，促进该领域科研交流和科研成果转化。该刊最新影响因子为19.118。

论文连接：https://doi.org/10.1109/TCYB.2021.3139076