2024年6月20日上午，丁晓锋教授指导的博士生陈林顺利通过博士学位论文答辩。

陈林的博士论文题目为“基于差分隐私的联邦学习方法研究”。论文针对联邦学习中本地训练阶段，参数上传阶段和参数聚合阶段面临的主要挑战和隐私需求进行研究。主要贡献包括：（1）针对受本地数据异构性影响的部分客户端采样方差问题和机密性所要求的隐私保障，提出基于无放回均匀客户端采样和本地高斯机制的算法。在服务器端使用自适应优化器Adam提出改进算法并分析和验证方法的有效性；（2）针对参数上传阶段中通信资源受限和信息共享的安全需求，基于重要性客户端采样、本地双曲正弦-高斯机制和服务器端自适应优化器YOGI进行算法设计，对所提算法进行分析并通过实验验证方法的有效性；（3）针对参数聚合阶段所面临的隐私-实用性平衡，提出新的隐私压缩机制来保证梯度交换过程的隐私安全和高效通信。利用混洗模型、自主客户端参与和服务器端动量优化器进行算法设计并通过实验来验证方法的有效性。

答辩委员会由华中科技大学计算机科学与技术学院李瑞轩教授（主席）、武汉大学计算机学院王胜教授、华中师范大学计算机学院许静芳教授、武汉科技大学计算机科学与技术学院鲁剑锋教授和华中科技大学计算机科学与技术学院何琨教授组成。委员们分别从问题分析、算法设计、论文撰写以及实验结果等不同角度进行提问，答辩人均一一做了细致的解答。

经答辩委员会讨论，认为陈林同学的论文达到了博士学位论文水平，一致同意通过陈林同学的博士学位论文答辩，并建议授予工学博士学位。

（通讯员：陈林）