2024年7月2~5日，中国计算机学会（CCF）推荐的B类国际会议，2024年度的数据库系统高级应用国际会议（DASFAA）在日本岐阜召开。此次会议上广西密码学与信息安全重点实验室丁勇教授团队共有两篇高水平论文入选。一篇Long Paper与一篇Demo Paper被DASFAA 2024录用，论文作者2021级硕士生谢浩然、2022级硕士生唐绎雄应大会组委会邀请，由实验室赵汝文博士带队赴日参加会议并作报告，报告各自方向的最新研究成果，并与国际同行进行了深入交流。同时，论文指导老师王玉珏教授、杨昌松教授远程参加会议。

背景介绍

“数据库系统高级应用国际会议（DASFAA）”是数据库领域的知名国际学术会议，第一届DASFAA会议于1989年召开，至今已有35年历史，为中国计算机学会推荐的CCF B类国际会议。DASFAA会议聚焦数据库系统与应用领域的国际研究与开发前沿，深化数据库相关领域的国际学术合作与交流，旨在为数据库研究者及企业提供一个分享研究成果、讨论当前问题与挑战、探索前沿科技的国际性合作交流平台。

论文介绍

本次参会的论文有“联邦学习”领域的Long Paper一篇，论文题目为《A Verifiable Federated Learning Algorithm Supporting Distributed Pseudonym Tracking》；“区块链”领域的Demo Paper一篇，论文题目为《LifeBank: Integrating Blockchain Technology with Blood Donation Systems》。论文相关简介如下：

一、A Verifiable Federated Learning Algorithm Supporting Distributed Pseudonym Tracking

联邦学习作为一种新兴的机器学习范式，目的在于解决传统方法中数据集中处理对用户隐私的潜在威胁。在联邦学习的典型架构中，各参与节点利用本地数据独立训练模型，并仅将如梯度信息的模型更新上传至中心服务器。中心服务器随后聚合这些更新以优化全局模型，而无需访问各节点的原始数据。这种设计理念显著提升了数据隐私保护水平。然而，尽管联邦学习减少了数据直接传输的需求。但随着研究的深入和技术的落地，研究者们发现基于梯度窃取、梯度伪造等技术的攻击手段仍有可能从上传的模型参数中推断出敏感信息。此外，聚合服务器的操作可能存在利益偏见，且参与节点的可靠性并非总是可以保证。这些安全漏洞不仅可能引发参与方之间的信任问题，还可能严重制约联邦学习的广泛应用。

图1 谢浩然在会场作汇报

针对联邦学习中模型推断等攻击下的隐私保护和可验证性问题，论文提出了一种支持分布式假名追踪的可验证联邦学习方案。该方案利用双服务器架构实现高效的隐私保护和可验证性，并利用随机矩阵编码技术和消息承诺技术来验证双方的数据真实性，有效地防止了多个用户和服务器之间的串谋行为。进一步，方案利用盲签名技术和秘密共享技术，实现了分布式匿名追踪功能，从而避免了由于单点故障导致的协议失败。与现有方案相比，该方案几乎不会因为安全性保障带来额外的性能损失，使得该方案更加适用于边缘计算。

图2 可验证联邦学习方案系统模型

二、LifeBank: Integrating Blockchain Technology with Blood Donation Systems

在医疗服务需求增加和对数据安全担忧加剧的背景下，采用区块链存储献血数据提高献血记录的真实性、完整性和保密性，从而提升医疗服务质量并增强公众对医疗系统的信任。通过实施基于hotstuff共识协议和分层分片协议的系统来克服区块链的性能限制，提高其吞吐量，使区块链技术更适合实际应用。

图3 赵汝文博士（左一）与唐绎雄（右一）在会场展示海报

图4 区块链献血数据系统模型

团队介绍

在当今数字化时代，网络安全已成为互联网中最关键的问题之一。随着技术的快速发展和互联网用户数量的不断增加，网络攻击和数据泄露事件频发，给个人隐私保护和企业数据安全带来了巨大挑战。实验室长期研究密码学与网络安全技术，取得了一系列原创性成果，多篇论文发表于IEEE Transactions on Consumer Electronics、IEEE Wireless Communications和DASFAA等CCF B类会议和期刊，并与网络安全头部企业开展合作，成果广泛应用于网络安全、区块链、异常检测等领域。

丁勇教授表示：“我们为团队在会议上展示的两项重要研究成果感到非常自豪。这不仅是对我们研究成果的认可，也是对实验室长期以来在安全领域持续创新和努力的肯定。我们期待未来能有更多此类成果，为科学技术的发展做出更大贡献。”