（通讯员 张元侨）西安电子科技大学协同智能系统教育部重点实验室公茂果教授、张元侨博士在信息安全领域权威期刊IEEE Transactions on Information Forensics & Security（T-IFS）上发表题为“A Multi-modal Vertical Federated Learning Framework based on Homomorphic Encryption”的学术论文。该论文针对纵向联邦学习存在的多模态问题和加密困难问题，提出了一种多模态场景的纵向联邦训练与传输方案。

联邦学习因其能够有效解决数据孤岛问题，同时实现多方协作而无需共享数据的特点而备受关注。然而，现有的联邦学习算法大都忽视了多模态数据分布的情况。此外，以往的研究工作，在加密具有多元目标函数的指数和对数运算方面存在局限。为了解决数据分布挑战，本文提出了一个两步多模态Transformer模型。该模型能够有效捕捉跨领域的语义特征。在加密方面，传统的加法同态加密算法仅支持加法和乘法运算，本文采用二元泰勒级数展开来变换目标函数，以达到加密计算的目的。整合这些模块，本文提出了一个完整的训练和传输协议，并且取消了在加密过程中需要第三方合作者的需求。在视频-文本和图像-文本数据集上，通过实验证明了本方法的先进性，验证了其在多模态纵向联邦学习环境中的有效性。

IEEE Transactions on Information Forensics & Security涵盖数据保护、隐私、密码学等相关主题。是信息安全领域顶级期刊之一，中科院SCI期刊大类一区期刊，中国密码学会推荐A类期刊，中国计算机学会推荐A类期刊。