师资队伍

1、代表性科研项目

[1] 国家自然科学基金青年科学基金项目，模型迭代优化视角下的协作学习隐私保护与综合防御研究，2025.01至2027.12，主持.

[2] 国家重点研发计划项目子课题，服务型制造产品服务系统元服务组件开发，2021.12至2024.11，主持.

[3] 山东省自然科学基金面上项目，面向联邦学习的资源协同调度与数据安全保护研究，2025.01至2027.12，主持.

[4] 山东省自然科学基金青年项目，面向模型协作学习的工业数据安全共享研究，2022.01至2024.12，主持.

[5] 泰山学者工程青年专家，分布式人工智能安全理论与技术，2025.01至2027.12，主持.

[6] 山东省高等学校青年创新团队发展计划，人工智能隐私与安全团队，2023.01至2025.12，主持.

[7] 工业控制技术全国重点实验室开放课题，面向多模态电力监控数据融合的跨主体安全协作技术，2025.01至2026.12，主持.

[8] 企业横向，敏感数据隐私计算系统设计与开发，2023.09至2025.08，103万元，主持.

[9] 工业控制技术全国重点实验室开放课题，工业隐私数据共享，2022.01至2022.12，主持.

[10] 企业横向，2025年电力监控系统告警分析技术研究，2025.09至2025.12，主持.

[11] 51大神吃瓜在线观看官方版-51暗黑吃瓜官网2026最新版V.7.19.9.8 安卓版-糖心系列vlog网科教产融合试点工程重大创新类项目课题，面向大模型智能体生态的多层次安全增强技术，2025.08至2027.07，主持.

[12] 51大神吃瓜在线观看官方版-51暗黑吃瓜官网2026最新版V.7.19.9.8 安卓版-糖心系列vlog网科教产融合试点工程基础研究类项目，信息物理系统异构数据安全利用基础理论与关键技术，2023.01至2024.12，主持.

[13] 国家自然科学基金重大研究计划项目，基于资源弹性预留的工业软件定义网络实时数据跨区域可靠传输研究，2021.01至2023.12，项目骨干.

[14] 山东省重点研发计划项目，石油可信云业务协同与定制化安全关键技术研究，2020.12至2023.11，项目骨干.

[15] 国家重点研发计划项目，工控系统安全主动防御机制及体系研究，2018.07至2021.06，主要参与人.

2、代表性论文

[1] X. Wang, Y. Wang, M. Yang, F. Li, X. Wu, L. Fan, and S. He. “FedSiam-DA: Dual-aggregated Federated Learning via Siamese Network for non-IID Data.” IEEE Transactions on Mobile Computing, 24(2): 985-998, 2025.（CCF-A类，中科院1区）

[2] X. Wang, H. Ishii, J. He, and P. Cheng. “Dynamic Privacy-aware Collaborative Schemes for Average Computation: A Multi-time Reporting Case.” IEEE Trans. on Information Forensics and Security, 16: 3843-3858, 2021.（CCF-A类，中科院1区）

[3] X. Wang, D. E. Quevedo, D. Li, P. Cheng, J. Chen, and Y. Sun. “Data Security and Privacy for AI-Enabled Smart Manufacturing.” Engineering（中国工程院院刊）, 52: 34-39, 2025.（中科院1区）

[4] X. Wang, C. Fang, M. Yang, X. Wu, H. Zhang, and P. Cheng. “Resilient Distributed Classification Learning against Label Flipping Attack: An ADMM-based Approach.” IEEE Internet of Things Journal, 10(17): 15617-15631, 2023.（中科院1区）

[5] X. Wang, H. Zhang, M. Yang, X. Wu, and P. Cheng. Privacy-preserving Collaborative Learning: A Scheme Providing Heterogeneous Protection, IEEE Internet of Things Journal, 11(2): 1840-1853, 2024.（中科院1区）

[6] X. Wang, H. Ishii, L. Du, P. Cheng, and J. Chen. “Privacy-preserving Distributed Machine Learning via Local Randomization and ADMM Perturbation.” IEEE Trans. on Signal Processing, 68: 4226-4241, 2020.（中科院1区、CAA-A类）

[7] X. Wang, J. He, P. Cheng, and J. Chen. “Privacy Preserving Collaborative Computing: Heterogeneous Privacy Guarantee and Efficient Incentive Mechanism.” IEEE Trans. on Signal Processing, 67(1): 221-233, 2019.（中科院1区、CAA-A类）

[8] X. Wang, J. He, P. Cheng, and J. Chen. “Differentially Private Maximum Consensus: Design, Analysis and Impossibility Result.” IEEE Trans. on Network Science and Engineering, 6(4): 928-939, 2019. （中科院1区）

[9] X. Wang, X. Li, C. Liu, F. Wu, M. Yang, and X. Wu. “Detection and Localization of False Data Injection Attacks in Power Systems Based on TGRU.” In IEEE International Conference on Systems, Man, and Cybernetics (SMC), Vienna, Austria, Oct. 5-8, 2025.（CCF-C类）

[10] X. Wang, H. Ishii, L. Du, P. Cheng, and J. Chen. “Differential Privacy Preserving Distributed Machine Learning.” In 58th IEEE Conference on Decision and Control, Nice, France, Dec. 11-13, 2019.（CAA-A类）

[11] M. Yang, D. Li, X. Wang*, F. Li, L. Fan, C. Wang, X. Wu, and P. Cheng. “FedeCouple: Fine-Grained Balancing of Global-Generalization and Local-Adaptability in Federated Learning.” IEEE Transactions on Mobile Computing, 2025, doi: 10.1109/TMC.2025.3634199.（通讯作者，CCF-A类，中科院1区）

[12] X. Wu, T. Liu, X. Wang*, M. Yang, and J. Yu. “ADP-VRSGP: Decentralized Learning With Adaptive Differential Privacy via Variance-Reduced Stochastic Gradient Push.” IEEE Internet of Things Journal, 12(24): 55794-55809, 2025.（通讯作者，中科院1区）

[13] H. Zhang, Y. Gao, X. Wang*, Y. He, M. Yang, X. Wu, C. Yang, and X. Cao. “UAV Swarm Path Planning for Sensor Data Collection via Double Pre-Partitioned Deep Q-Network.” IEEE Sensors Journal, 25(17): 34091-34103, 2025.（通讯作者，中科院2区）

[14] X. Yu, X. Wu, X. Wang*, D. Li, M. Yang, and P. Cheng. “FedSaaS: Class-Consistency Federated Semantic Segmentation via Global Prototype Supervision and Local Adversarial Harmonization.” In 33rd International Joint Conference on Artificial Intelligence (IJCAI), Montreal, Canada, Aug. 16-22, 2025.（通讯作者，CCF-A类）

[15] M. Yang, D. Li, X. Wang*, X. Yu, X. Wu, and S. He. “Choice Outweighs Effort: Facilitating Complementary Knowledge Fusion in Federated Learning via Re-Calibration and Merit-Discrimination.” In European Conference on Artificial Intelligence (ECAI), Bologna, Italy, Oct. 23-30, 2025.（通讯作者，CCF-B类）

[16] Y. Sun, X. Wang*, Z. Zhang, M. Yang, Y. He, and X. Wu. “Poisoning Attack on Federated Learning with Non-IID Data: A Historical-Global-Model-Based Approach.” In 20th EAI International Conference on Security and Privacy in Communication Networks (SecureComm), Dubai, United Arab Emirates, Oct. 28-30, 2024.（通讯作者，CCF-C类）

[17] X. Wu, T. Liu, X. Wang*, and M. Yang. “Bridging Privacy Preservation and Optimization in Heterogeneous Decentralized Learning: Regularization Tuning and Model Pruning.” In International Joint Conference on Neural Networks (IJCNN), Rome, Italy, Jun. 30-Jul. 5, 2025.（通讯作者，CCF-C类）

[18] Z. Wang, X. Wang*, Y. Tang, D. Li, M. Yang, and X. Wu. “AD^2-pFed: Personalized Federated Learning Based on Adaptive Bilateral Distillation with Diffusion Models.” In 18th International Conference on Knowledge Science, Engineering and Management (KSEM), Macao SAR, China, Aug. 4-7, 2025.（通讯作者，CCF-C类）

[19] J. Zhang, C. Liu, X. Wang*, M. Yang, and X. Wu. “An Autoencoder-Based Black-Box Adversarial False Data Injection Attack Against Smart Grid.” In lEEE International Conference on Trust, Security and Privacy in Computing and Communications (TrustCom), Guiyang, China, Nov. 14-17, 2025.（通讯作者，CCF-C类）

[20] 杨明, 冯宏霖, 王鑫*, 霍吉东, 焦绪国, 张恒. 数据要素市场研究综述：价值、定价与交易, 网络与信息安全学报, 2024, 10(3): 1-19.（通讯作者，CCF-T2类）

3、代表性荣誉和奖励

[1] 面向广域新能源并网安全的网络空间立体防御关键技术及应用，山东省科技进步一等奖建议授奖项目（7/15），山东省科学技术奖励委员会办公室，2025.

[2] 面向工业互联网的云/网/边/端多层次数据安全关键技术及应用，山东省科技进步二等奖（4/10），山东省人民政府，2022.

[3] 面向多信息物理系统协同控制的数据安全利用基础理论与方法，高质量科技创新成果基础研究类二等奖（1/2），51大神吃瓜在线观看官方版-51暗黑吃瓜官网2026最新版V.7.19.9.8 安卓版-糖心系列vlog网计算机科学与技术学部，2023.

[4] 面向多源异构行业数据的安全共享和价值倍增基础理论与方法，高质量科技创新成果基础研究类二等奖（2/2），51大神吃瓜在线观看官方版-51暗黑吃瓜官网2026最新版V.7.19.9.8 安卓版-糖心系列vlog网计算机科学与技术学部，2024.

[5] Vulnerability Analysis for IoT Devices of Multi-agent Systems: A Cryptographic Function Identification Approach，CCSICC会议最佳论文奖（2/6），中国指挥与控制学会，2021.

[6] Data Collection Scheme for UAV in Industrial Environments with Limited Communication，ICAUS会议最佳论文奖（3/8），第4届自主无人系统国际会议组织委员会，2024.

4、代表性发明专利

[1] Xin Wang, Ming Yang, Xiaoming Wu, Fuqiang Wang, Yan Liang, Zhenya Chen, et al. MUTANTS OF D-AMINO ACID TRANSAMINASE OBTAINED BASED ON SUPERCOMPUTING-ASSISTED TECHNOLOGY AND APPLICATION THEREOF，美国发明专利，2024.

[2] 王鑫, 范忠震, 杨明, 吴晓明, 唐勇伟, 吴法宗, 等. 基于双层强化学习的联邦学习设备调度优化方法及装置，发明专利，2025.

[3] 王鑫, 齐梦石, 杨明, 吴晓明, 贺云鹏, 穆超, 等. 差分隐私下检测并防御投毒攻击的联邦学习方法及系统，发明专利，2025.

[4] 王鑫, 孙雅琦, 杨明, 吴晓明, 唐勇伟, 刘臣胜, 等. 一种联邦学习防御方法、电子设备及存储介质，发明专利，2025.

[5] 王鑫，王振豪，杨明，吴晓明，李东润，于小洋，等. 基于扩散模型的自适应双边蒸馏个性化联邦学习方法，发明专利，2025.

[6] 王鑫，王腾飞，杨明，吴晓明，唐勇伟，刘腾，等. 一种基于模型分层优化的保隐私个性化联邦学习方法，发明专利，2025.

[7] 王鑫，孙雅琦，杨明，吴晓明，霍吉东，郭山清，等. 一种基于历史全局模型的增强联邦学习模型防御的方法、装置及可读计算机存储介质，发明专利，2025.

[8] 王鑫，李晓龙，杨明，刘臣胜，吴晓明，穆超，等. 基于TGRU模型的虚假数据注入攻击检测与定位方法，发明专利，2025.

[9] 王鑫，李晓龙，杨明，吴晓明，唐勇伟，刘臣胜，等. 基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法，发明专利，2025.

[10] 王鑫，张俊涛，杨明，吴晓明，吴法宗，刘臣胜，等. 面向智能电网隐蔽性攻击的时序预测强化学习检测方法，发明专利，2025.

[11] 王鑫，曹小亚，杨明，吴晓明，陈振娅，霍吉东，等. 一种基于零信任架构的网络安全通信方法、装置、设备及存储介质，发明专利，2024.

[12] 王鑫，李晓龙，杨明，吴晓明，霍吉东，穆超，等. 基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质，发明专利，2024.

[13] 王鑫，齐梦石，杨明，吴晓明，陈振娅，霍吉东，等. 一种差分隐私保护约束下抗投毒攻击的联邦学习方法、装置及计算机可读存储介质，发明专利，2024.

[14] 王鑫，孙雅琦，杨明，吴晓明，霍吉东，郭山清，等. 一种非独立同分布数据下面向联邦学习的渐进性攻击方法，发明专利，2024.

[15] 王鑫，杨明，吴晓明，杨美红，穆超，陈振娅，等. 一种抗标签翻转攻击的协同学习方法、装置、设备及介质，发明专利，2021.