近日，我校电子工程与光电技术学院李骏教授课题组韦康博士生的论文“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）。该论文发表于IEEE Transactions on Information Forensics and Security（IEEE TIFS），其影响因子7.231，是中科院一区Top期刊、CCF A类期刊，为信号处理与信息安全领域著名权威期刊。该文合作者包括东南大学副校长金石教授与美国三院院士普林斯顿大学H. Vincent Poor教授。
IEEE信号处理学会是IEEE下属主要学会之一，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信号处理学会下属12个领域的技术委员会（Technical Committee）在过去6年内IEEE信号处理学会的优秀论文中依论文品质及原创性进行提名，并经由学会的评奖委员会经过激烈评选后最多推出6篇最佳论文。由于IEEE信号处理学会旗下期刊众多，稿件量巨大，竞争非常激烈，同时也彰显出该奖项的含金量。
该获奖论文提出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，基于理论分析发现了隐私保护等级和学习模型性能之间的权衡关系，并揭示了基于差分隐私的联邦学习架构两个重要特性。与传统联邦学习不同，在给定的隐私保护级别情况下，聚合次数与用户选择数量均存在最优值，并可据此优化训练性能。本文为后续隐私保护联邦学习的研究奠定了理论基础，为探索最优的隐私学习权衡指明了方向，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。
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。谷歌学术显示，该论文引用量在两年内迅速达到580余次，Web of Science引用数达230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）。
