【专家简介】：杨绍富，东南大学计算机科学与工程学院教授、博导。于2016 年在香港中文大学机械与自动化工程系获博士学位。主要从事多智能体协同优化与学习理论及应用研究。研究工作发表于 Automatica、IEEE 汇刊、中国科学等国内外权威学术期刊上。主持国家自然科学基金青年项目、面上项目、装备预研教育部联合基金项目等。曾入选中国科协青年人才托举工程、江苏省 333 高层次人才培养工程、中组部援藏干部等。
【报告摘要】：大规模网络化环境中的安全问题正变得日益关键。特别的，分布式优化算法的安全性受到了广泛的关注。针对该问题，本报告将介绍一项新指标：隐私泄露频率（Privacy Leakage Frequency, PLF）。该指标可揭示算法通信与隐私泄露之间的关联，理论结果表明：隐私泄露频率（PLF）越低，所需的隐私预算越少。基于上述结论，本报告提出一种新型差分隐私分布式原始对偶算法，命名为 DP-RECAL。该算法利用算子分裂方法与中继通信机制，降低隐私泄露频率（PLF），从而减少总体隐私预算。针对最小二乘问题的评估分析，以及在真实数据集上的数值实验，验证了算法的理论结果，并证明 DP-RECAL 能够抵御部分典型的梯度泄露攻击。
【报告时间】：2025年11月29日10:30-11:30
【报告地点】：位育楼417
