近日，數學與計算機科學學院馮海林教授團隊的學術論文“MoCFL: Mobile Cluster Federated Learning Framework for Highly Dynamic Network”（《MoCFL：面向高動態網絡的移動集群聯邦學習框架》）被網絡領域國際頂級會議《WWW》錄用，也是數計學院成果首次入選該會議。WWW會議是中國計算機學會推薦的A類（CCF A）頂級國際學術會議，在網絡/人工智能等領域享有極高的學術聲譽，錄用率常年維持在20%以下。方凱教授為論文第一作者，馮海林教授為通訊作者。浙江農林大學數學與計算機科學學院為論文的第一和通訊單位。
高度動態的林業監測無人機集群中客戶端節點的頻繁波動會導致特征空間分布和數據漂移的顯著變化，對現有聯邦學習 (FL) 策略的穩健性構成重大挑戰。為了解決這些問題，提出了一個面向林業監測場景的移動集群聯邦學習框架 (MoCFL)。MoCFL 通過引入親和矩陣來增強特征聚合，該矩陣量化了來自不同客戶端的局部特征提取器之間的相似性，解決了頻繁的客戶端流失和拓撲變化導致的動態數據分布變化。此外，MoCFL 在訓練全局分類器時集成了歷史和當前特征信息，有效緩解了移動場景中經常遇到的災難性遺忘問題。這種協同組合確保 MoCFL 在動態變化的移動環境中保持高性能和穩定性。在 UNSW-NB15 數據集上的實驗結果表明，MoCFL 在動態環境中表現出色，在保持合理訓練成本的同時表現出卓越的穩健性和準確性。
本研究得到了國家自然科學基金和浙江省自然科學基金的支持。
（數計學院 方凱）
浙ICP備11046845號-1 浙公網安備33018502001115號 
