近日，通信工程学院智能信息计算团队的研究成果《FedAU2: Attribute Unlearning for User-Level Federated Recommender Systems with Adaptive and Robust Adversarial Training》被人工智能领域顶级国际会议The 40th AAAI conference on Artificial Intelligence（AAAI 2026，CCF-A类）录用。论文由我院李宇渊特聘副教授、滕旭阳副教授和江劭玮研究员指导，24级硕士研究生方俊杰为学生第一作者。 该研究聚焦联邦推荐系统中的属性遗忘问题。随着联邦学习在推荐场景中的广泛应用，用户数据虽保留在本地以增强隐私保护，但用户嵌入向量中仍可能编码敏感属性信息，从而面临属性推断攻击风险。为此，学界开始探索通过“属性遗忘”来消除模型对敏感属性的依赖。然而，现有研究多集中于组级别的遗忘，而真正的应用场景往往需要在用户级别实现更精细、更具挑战性的隐私保护。 针对这一更为实际的需求，该研究系统分析了在用户级联邦推荐中引入对抗式属性遗忘所面临的两大核心挑战：其一，用户数据高度异质带来训练不稳定性；其二，梯度在联邦训练中易成为敏感属性泄露的重要载体。为解决上述问题，该研究提出FedAU2框架，实现面向用户级联邦推荐的高效属性遗忘：一方面通过自适应对抗训练策略，动态调节对抗过程以缓解异质数据导致的不稳定；另一方面设计双随机变分自编码器结构，对对抗模型进行扰动，从机制上抑制梯度中的敏感信息泄露。基于三个真实数据集的实验结果表明，FedAU2 能在显著提升属性遗忘效果的同时，有效维护推荐系统的核心性能，整体表现优于现有主流方法。 “智能信息处理”实验室 杭州电子科技大学“智能信息处理”实验室 (HDU IIPLab)主任为颜成钢教授。实验室现有在职教师50余名，含5位国家级人才及多位省级人才。现有硕博生200余名，毕业生多就职于阿里巴巴、腾讯、字节跳动、海康威视、华为、网易等国内知名企业。实验室为学校交叉创新团队，拥有自由开放的学术氛围和国际前沿的研究方向。实验室采用与海内外知名高校、研究所（清华大学、北京大学、中国科学院、美国北卡罗来纳大学教堂山分校、澳大利亚悉尼科技大学等）联合培养制，长期致力于智能信息处理方面的研究，主要研究方向包括：机器学习、模式识别、计算机视觉、计算机图形学、医学影像处理、生物信息学等。 编辑：陈彤彤 一审：李宇渊 二审：邱一波 三审：孙闽红 发布：廖丹丹
