在刚公布的国际人工智能顶级会议IJCAI 2024 (International Joint Conference on Artificial Intelligence)论文录用结果中，我院教师张佳乐副教授与硕士生朱诚诚等人的论文“BADFSS: Backdoor Attacks on Federated Self-Supervised Learning”被录用。

自监督学习（SSL）能够从海量数据中学习有用的特征表示，为保护训练数据隐私，国内外学者将联邦学习与SSL相结合（自监督联邦学习），以实现在去中心化的未标记数据中学习特征。然而，研究者们聚焦于为基于SSL的联邦学习设计新的框架或方法，以获得更好的性能，却忽略了自监督联邦学习的安全隐患。论文通过深入的实证研究，首次探索自监督联邦学习后门攻击机理与方法。具体而言，该方法在基于本地数据集构建的中毒数据集上通过监督对比学习训练后门编码器；进一步地，使用注意力对齐来增强后门效果，并保持后门编码器和全局编码器之间的一致性。

IJCAI是人工智能领域权威的国际学术会议，也是CCF-A类、Core Conference Ranking A*类会议。