2025年12月18日下午，杭州电子科技大学张忠良教授应邀在我校综合楼644会议室作了题为“Statistical Test-based Adversarial Client Detection in Federated Learning”的学术报告。报告由统计与数据科学色情网址大全副教授方冠奇主持。

张忠良，杭州电子科技大学管理色情网址大全教授、博士生导师、副院长，主要从事数据科学与商务智能等领域的研究。主持国家自然科学基金面上项目、青年项目等多项课题，发表学术论文70余篇，获浙江省哲学社会科学优秀成果奖一等奖、二等奖各一次，兼任中国管理科学与工程学会智能决策分会副主任委员等职务。

报告中，张忠良教授聚焦联邦学习这一新兴分布式机器学习范式面临的安全挑战，系统阐述了一种基于统计检验的对抗客户端检测创新方法。他首先剖析了联邦学习系统中普遍存在的投毒攻击、模型篡改等安全威胁，指出传统基于相似性度量的防御机制在动态环境与异构数据场景下存在的局限性。在此基础上，张教授重点介绍了其团队提出的“联邦学习高斯混合模型（FLGMM）”检测框架，该方法通过建立客户端更新参数的统计分布模型，有效识别行为异常的恶意节点，显著提升了全局模型的鲁棒性。张教授还进一步分享了针对非独立同分布数据场景的防御策略——“联邦鲁棒回归（FedRR）”。该方法通过引入稳健统计量与假设检验机制，能够在数据分布高度异构的环境中准确区分恶意客户端与正常节点，克服了传统方法在复杂现实场景中适应性不足的问题。他通过多组对比实验证实，所提方法在不同攻击模式下均表现出优异的检测性能与模型保护效果，为联邦学习安全部署提供了可靠的技术路径。在展望未来研究方向时，张教授指出，如何将统计过程控制中的自适应控制图、自启动监测等先进动态诊断技术，与联邦学习安全框架深度融合，是应对持续演化攻击威胁的重要趋势。整场报告逻辑清晰、内容前沿，既有扎实的理论推导，也包含丰富的实验验证，为在座师生呈现了一场兼具学术深度与实践视野的精彩分享。

讲座结束后，张教授与在场师生就检测算法的实时性、通信开销以及在医疗、金融等领域的应用可行性等问题展开了深入交流。主持人方冠奇副教授在总结中充分肯定了该研究在可信人工智能领域的重要意义，并对张忠良教授的细致讲解表示由衷感谢。