2025年10月28日16：00，由信息与智能工程学院教师江荣旺主讲的学术交流讲座在书新四号楼204教室顺利举行。本次讲座以“基于联邦学习的动态协同多源异构数据融合框架研究”为主题，深入探讨了在多源异构数据融合过程中面临的关键问题及其联邦学习驱动的创新解决方案。
讲座伊始，江荣旺老师系统梳理了数据融合的基本概念、类型及其现实意义。他指出，数据融合旨在将来自多个来源、不同格式和语义的数据整合为统一、可用的信息，尤其在多模态场景下，将文本、音频、视频等不同类型数据映射到共享语义空间，是实现联合建模的关键步骤。
在分析传统数据融合方法时，江老师重点指出了两大瓶颈问题：隐私泄露风险与节点公平性缺失。传统中心化融合方式依赖明文数据传输，不仅违反《数据安全法》和《个人信息保护法》，还存在数据集中泄露的风险；同时，数据量大的节点容易主导模型更新方向，导致小节点贡献被忽视，影响系统整体参与积极性与稳定性。
针对上述问题，江老师提出了以联邦学习为核心的动态协同融合框架。该框架在不共享原始数据的前提下，通过分布式的局部训练与全局聚合，实现多源异构数据的协同建模。他强调，该机制不仅能有效保障数据隐私与合规性，还能通过动态权重调整策略，平衡不同节点的贡献度，增强小节点的参与感与系统的公平性。
在讲座的最后部分，江荣旺老师分享了在研究过程中的问题与反思，鼓励在座同学在推进技术创新的同时，注重实际部署中的合规性、安全性与人本关怀，为后续深入的研究及学习提供了清晰的方向与有力的支持。
