近日，我校医学信息与工程学院在安全计算研究领域取得了重要进展，相关学术成果以“A Novel Centralized Federated Deep Fuzzy Neural Network with Multi-objectives Neural Architecture Search for Epistatic Detection”为题发表在顶刊IEEE Transactions on Fuzzy Systems上（中科院1区Top刊，IF 11.9），医学信息与工程学院吴响副教授为该论文第一作者及通讯作者。本研究得到国家自然科学基金的资助。
众所周知，联合多方机构共同训练致病基因位点检测模型是生物科学领域的重要研究方向。然而，多方机构的基因数据交互及共享面临严重的隐私泄露风险，限制了致病基因位点联合检测建模的深入研究。本研究以多方机构联合训练中的安全计算为着力点，针对多方机构联合训练场景下的隐私保护需求，提出了基于多目标神经结构搜索的深度模糊联邦上位性检测方法。本研究针对多方机构联合上传下载的传参过程，对训练参数进行分组并动态自适应扰动组号及其对应结果，统一解决联邦训练参数聚合过程中的隐私泄露问题，并严格证明了该方法的合理性与安全性。本研究设计了基于多目标粒子群的神经结构搜索优化方法，自适应搜索适用于联邦不同阶段的最优神经网络架构，解决其伴随的通信成本和效率问题，同时引入模糊逻辑，提升卷积神经网络解释基因数据的能力。本研究为解决多方机构联合训练中的安全计算及效率问题提供了一种新思路，能够为深入研究致病基因位点提供有力的多方安全联合检测方法。
基于该研究成果已集成到我校研发的医学大数据安全挖掘及认知计算平台Leaven，并提供对外科研调用服务。Leaven平台是医学信息与工程学院研发的一款集成通用大数据、医疗业务系统数据及学习行为数据挖掘功能于一体的可视化安全计算系统，支持将数据价值从敏感性极高的源数据中提取出来，不需要展示敏感数据，就可以开展各类挖掘和应用，实现数据使用权和数据所有权的有效分离。
