联邦扩散网络推断

隐私保护协同推断

允许多客户端在不共享原始数据的情况下协同推断扩散网络结构，性能与集中式方法相当。

Kudereti, Kuerban · 罗敏 · 黄浩 · 李宗鹏

Expert Systems with Applications 2026

技术优势

数据不共享也能协同推断

FLDN 将推断问题形式化为联合优化，通过聚合客户端梯度来更新影响关系的存在概率和传播强度，原始数据始终留在本地。

精度不输集中式方法

在合成和真实网络上的大量实验表明，FLDN 的推断精度比集中式方法更好，同时保持计算效率相当。

收敛有理论保证

论文从理论上证明了该框架具有单调改进和有限步收敛的性质，为算法可靠性提供了保障。

应用场景

• 隐私保护数据分析：在隐私受限的多方数据上完成扩散网络分析。
• 分布式网络推断：让分散各处的数据持有者共同推断网络结构。
• 联邦学习应用：为联邦学习场景提供扩散网络推断的算法方案。
• 社交网络分析：在保护用户隐私的前提下分析社交传播关系。