由我院青年教师胡滢博士等人完成的一篇关于机器学习的研究成果：“隐私保护下基于粒子群优化的联邦特征选择算法”被人工智能顶级期刊Knowledge-based Systems录用并出版。

特征选择是数据挖掘和机器学习领域中一项重要的数据预处理技术，但是，如何在保证所有参与方隐私的前提下，选择出高质量的特征子集成为一个非常现实且极具挑战性的问题。针对这一问题，论文首次提出了一种联邦特征选择算法框架，如图1所示。在此框架基础上，提出了一种基于粒子群优化的联邦进化特征选择算法，有效解决了隐私保护下多方参与的特征选择问题。为了提高算法的性能，设计了两种满足隐私保护需求的新算子，即多参与方协作的特征集成策略和集成结果引导的种群初始化策略。在15个数据集上与多种典型的集成特征选择算法进行比较。实验结果表明，该算法在保护数据隐私的同时，能够显著提升每个参与方选择特征子集的分类精度。成果论文题目为“A federated feature selection algorithm based on particle swarm optimization under privacy protection”，由我院胡滢博士为第一作者。

图1 提出的联邦特征选择算法框架

Knowledge-based Systems是人工智能领域的国际顶级期刊，2022-2023最新影响因子（IF）为8.8，在最新中国科学院SCI期刊分区中位列“计算机科学”领域的一区。在2022年《中国计算机学会推荐国际学术会议和期刊目录》中属于CCF-C类，是中国计算机学会（CCF）推荐的高水平学术期刊。