计算机科学与技术学院区块链与智能协同计算团队的论文被国际顶级会议ICML2025(CCF A类)录用

    近日，区块链与智能管控团队程杰仁、涂文轩老师指导研究生刘景欣（一作）、韩仁达、王昊天、吴俊龙，在国际机器学习顶级会议ICML 2025（CCF A类）发表了题为“Federated Node-Level Clustering Network with Cross-Subgraph Link Mending”的论文。这是该团队在AAAI2025（CCF A类）会议发表论文“Federated Graph-Level Clustering Network”后，在联邦图学习领域取得的又一项标志性成果。

图 联邦节点级聚类网络

本成果针对联邦图聚类中因图划分造成的结构信息缺失问题，提出了联邦节点级聚类网络（Federated Node-Level Clustering Network, FedNCN），旨在解决由于跨子图结构破坏而导致聚类性能次优的问题。具体而言，FedNCN通过构建本地投影器提取难以恢复的聚类信号，并将其上传至服务端用于多源信息的整合，以引导跨子图结构的重建与细化。此外，该方法在服务端引入图相似性估计与结构裁剪策略，最大化构建缺失链接并最小化保留子图间的关键链接，以在保障隐私的前提下，有效解决因子图划分而导致的链接缺失问题，从而显著提升本地模型的聚类性能。

该方法可广泛应用于金融风控、社交网络分析、智能医疗和工业物联网等典型的多方协同场景，解决跨机构之间因数据敏感性无法共享而导致的建模困难问题。