网络空间安全学院院讯（通讯员：黄靖童）近日，Elsevier旗下学术期刊Future Generation Computer Systems录用我院学术论文“Dual-channel meta-federated graph learning with robust aggregation and privacy enhancement”。该论文以曲阜师范大学网络空间安全学院为第一完成单位，2022级研究生黄靖童为论文第一作者，马旭教授为论文通讯作者。Future Generation Computer Systems是中国计算机学会推荐期刊，是中科院二区TOP及JCR一区期刊，最新影响因子6.2。

图神经网络（GNN）在数据挖掘和推荐系统等基于图的节点分类任务中非常有效，将联邦学习与GNN结合，使得多个参与者能够在不共享隐私数据的情况下协同训练强大的模型。然而，子图级别的联邦学习面临跨客户端边丢失和非独立同分布数据分布等挑战，在非完全信任的环境中确保安全性也是一个关键问题。为此，论文提出了RMFGL（鲁棒元联邦图学习），通过预特征聚合集成跨客户端信息，并利用模型无关的元学习来优化元参数，从而实现最小化的联邦更新。同时采用了具有双通道注意力聚合的GCN架构增强鲁棒性，并使用多密钥全同态加密来确保训练过程中的隐私安全。通过在多个数据集上的实验分析，RMFGL相比基准方法实现了准确度的显著提升，且相比最先进的技术有更好的表现，增强了对恶意客户端的鲁棒性，同时在非IID数据下依然保持强大的性能。

该研究得到了国家自然科学基金和山东省自然科学基金的资助支持。