网络空间安全学院院讯（通讯员：魏键康）近日，计算机图形学与多媒体领域学术会议IEEE International Conference on Multimedia & Expo 2025（ICME）接收我院学术论文“Enhancing Federated Learning Robustness with Pre-trained Staged Modular Distillation”。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，该论文由2022级研究生魏键康担任第一作者，马旭教授担任通讯作者。ICME是中国计算机学会（CCF）推荐的B类国际学术会议。

联邦学习（FL）解决了与数据隐私和安全相关的问题，但却面临着数据不足和不平衡的挑战，引入预训练模型提供了一个有希望的解决方案来应对这些问题。然而，现有的方法假设本地模型和预训练模型之间的数据分布相似。此外，使用预训练模型进行训练增加了受到后门攻击的敏感性。为了解决这一挑战，我们提出了一种新颖的个性化联邦学习方法——个性化联邦分阶段模块蒸馏（pFedSMD）。通过集成分阶段蒸馏和参数解耦，pFedSMD不仅能够有效地聚合预训练模型，而且还能破坏模型中潜在的后门。实验结果显示，在IID和Non-IID设置下，pFedSMD在四个数据集上均优于基线方法。此外，pFedSMD能有效减轻使用不同预训练模型带来的负面影响，并在防御预训练模型中的后门攻击方面表现出色。

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。