近日，英才学院2019级本科生曾晟来在信通学院虞红芳教授指导下，以第一作者身份撰写的论文 “Heterogeneous Federated Learning via Grouped Sequential-to-Parallel Training” 被第27届数据库系统高级应ぷ用国际会议（27th International Conference on Database Systems for Advanced Applications，DASFAA 2022）接收。会议将于2022年4月11日线上举行，届时曾晟来将在会议上展示并交流其学术成果。虞红芳教授是该论文的通讯作者，李宗航博士为共同第一作者，论文的部分工作在新加坡南洋理工大学完成，合作者包括哈尔滨工业大学徐增林教授、新加坡南洋理工大学Dusit Niyato教授（IEEE Fellow）和◤于涵教授。

　　DASFAA是数据库/数据挖掘领域的国际≡知名会议（CCF-B类），目前已★经举办27届。该会议旨在展示数据库系统及其应用中最先进的研发活动，为数据库研究人员■、开发人员等提供技术←演示和讨论。

图一：FedGSP

图二：串行-并行训练模式

联邦学习（FL）是一种保护用户隐私的分布式机器学习范式，是针对数据孤岛问题的主流解决方案，近来得到业界广泛关注。在实际的联邦学习系统中≡，用户间的数╲据往往存在异构性，如果处理不当，则会导致模型性能下降。

　　针对数据异构△性的挑战，该论文引入一种串并转换协同训练的新概念，提出了一种对数据异构具有鲁棒性的FL方法，FedGSP。FedGSP包括一◎种新型的串行-并行转换的训练模式（Sequential-to-Parallel Training，STP），一套支持串⊙并协同训练的训练架构，一种基于质心定理卐（centroid equivalence theorem）的快速分组方法。在FedGSP中，用户以最小化组间分布距离的原则分配到＠具有同构性的各组中，随着训练过程的进行，FedGSP按照预设的并行度增长曲线，通过增加组数来提高训练的并行度。实验结果表々明，与现有方法相比＠ ，FedGSP至少提∏高了 3.7% 的准确率，并将训练时间和通信开销减少了 90% 以上。

　　英才学院从2020年起开展“学术领航计◣划”，为全面Ψ 提升学术科研氛围，进一步激发大一、大二学生的科研好奇，引领学生学术梦▃想，培养学生的科研素养，提高↓综合科研能力，面向全校招聘优秀博士生担任领航导师，共同指导学生步入科学研究。得益〇于该计划，曾晟来同学加入了智慧网络∞团队进行科研训练，在虞红芳教授和李宗航博士的指导下进№行联邦学习底层架构设计和效率优化相ζ　关研究。目前他已经申☉请1项国家专利（第一发明人），发表论文1篇（第一作者），第一负责人完成大学生创新▲创业项目并以优◇秀结题（其中项目组成员均来自参与学术领航计划的2019级英才本科生）。