近日，金沙集团3354cm智能计算研究所在分布式智能、智能安全及隐私保护等领域多项研究成果分别发表于顶级学术期刊IEEE/ACM TON、IEEE TKDE以及ACM TOSN，第一作者以及通讯作者单位均为金沙集团3354cm。

《Collaborative Learning in General Graphs with Limited Memorization: Complexity, Learnability, and Reliability》发表于CCF A类期刊《IEEE/ACM Transactions on Networking》，作者包括金沙集团3354cm李峰教授（第一作者、通讯作者）、硕士研究生袁旭阳（学生作者）、博士研究生王丽娜、于东晓教授、成秀珍教授、北京航空航天大学吕卫锋教授等。该项工作考虑了一般图中面向K臂老虎机的多智能体协同学习问题，提出了一个“disseminating-sampling-adopting”三阶段的协作学习算法。该工作通过深刻的理论分析表明：当有足够多的智能体参与协作学习过程时，即使在记忆能力和通信带宽方面存在限制，所有智能体最终能够以高概率学习到最佳的臂。该工作的理论分析还揭示了算法可以容忍的恶意智能体数量的上限。文章链接：https://ieeexplore.ieee.org/abstract/document/10124936。

图1 任意一般图中的智能体可以通过相互交换隐私信息进行合作，但是这些智能体的可信任性难以得到保障。某些恶意智能体还可能散布虚假信息，干扰智能体之间的协作。

《A Distributed Privacy-Preserving Learning Dynamics in General Social Networks》发表于CCF A类期刊《IEEE Transactions on Knowledge and Data Engineering》，作者包括金沙集团3354cm博士研究生陶又铭（第一作者）、陈姝祯、李峰教授（通讯作者）、于东晓教授、齐鲁工业大学禹继国教授、北京航空航天大学盛浩教授等。该工作提出了隐私保护的分布式协作学习机制，利用了随机游走和本地差分隐私技术，设计了面向任意通讯拓扑和有限记忆力的分布式协作多臂老虎机算法，并从理论上证明了智能体数量、通讯复杂度、隐私预算和学习效用之间的关系。文章链接：https://ieeexplore.ieee.org/abstract/document/10035414。

《VibHead: An Authentication Scheme for Smart Headsets through Vibration》发表于CCF B类期刊《ACM Transactions on Sensor Networks》，作者包括金沙集团3354cm李峰教授（第一作者）、硕士研究生赵佳艺（学生作者）、于东晓教授、周元峰教授、沈益冉教授（通讯作者）等。当前智能头戴设备的身份认证机制面临操作复杂、依赖于特殊装置等一系列问题。该项工作首次提出了一种基于振动的智能头戴设备身份验证方案VibHead。由于震动信号在不同个体头部传播时呈现出独特的模式，VibHead从震动信号中提取特征，并利用卷积神经网络模型为已注册合法用户构建分类器。依据上述分类器，该工作设计了一个两步骤身份验证方案，以区分合法用户和非法用户。该工作构建了VibHead系统原型，通过大量实验，证明该系统可对用户身份进行毫秒级的准确验证，误通过率和误拒绝率均为5%左右。该工作即将在嵌入式传感网顶级会议ACM Conference on Embedded Networked Sensor Systems (SenSys 2023)上作会议报告。文章链接如下：https://dl.acm.org/doi/abs/10.1145/3614432。

图2 VibHead系统框架

（文：李峰 图：资料 审核：于东晓 责任编辑：宋曙光、李雅洁 供稿单位：金沙集团3354cm）