个人资料

头像

姓名: 朱素霞

学位: 博士

毕业院校: 哈尔滨工业大学

邮件: zhusuxia@hrbust.edu.cn

办公地点: 新主楼G803

电话:

出生年月: 1978-03-01

学科: 计算机科学与技术

相关教师

个人简历

朱素霞,教授、博士研究生导师。本科、硕士、博士均毕业于哈尔滨工业大学。长期致力于人工智能、网络安全与隐私、联邦学习、深度学习、物联网可信计算、并行计算等领域的研究工作。主持并完成了1项国家自然基金项目、2项省自然基金项目和1项中国博士后基金项目,以第一作者发表了30余篇高水平论文,其中CCF推荐重要国际SCI检索期刊10余篇,计算机领域国内一级期刊8篇。担任KBS、EAAI、TII、计算机学报、通信学报、电子与信息学报等国内外重要期刊审稿人。

教育经历

2009.09~2013.07 哈尔滨工业大学计算机科学与技术学院,计算机系统结构专业,博士
2002.09~2004.07 哈尔滨工业大学计算机科学与技术学院,计算机科学与技术,硕士
1995.09~1999.07 哈尔滨工业大学电气学院,工业电气自动化专业,学士


工作经历

2023.09~现在 哈尔滨理工大学,计算机科学与技术学院,教授, 博士生导师

2021.07~2023.08 哈尔滨理工大学,计算机科学与技术学院, 博士生导师

2017.07~2018.08 美国北卡罗莱纳州立大学,计算机系,访问学者

2014.09~现在 哈尔滨理工大学,计算机科学与技术学院,副教授,硕士生导师

2013.08~2014.08 哈尔滨理工大学,计算机科学与技术学院,讲师

研究方向

大模型、AI智能体、联邦学习、深度学习、安全与隐私、医学图像处理、物联网可信计算、并行计算等。




承担项目

主持项目:

(1)智能制造国家科技重大专项子课题:xxx验证,在研。(国家级)

(2)黑龙江省“双一流”学科协同创新成果项目:网络流量智能监控平台及应用, 在研。(省部级)

(3)黑龙江省自然科学基金项目:基于差分隐私的多方联合深度学习隐私保护机制研究,已结题。(省部级)

(4)国家自然科学基金项目:基于确定性重演的多核程序并发错误消除方法研究,已结题。(国家级)

(5)黑龙江省自然科学基金项目:基于确定性重演的多核处理器故障诊断方法研究,已结题。(省部级)

(6)中国博士后科学基金第57批面上资助项目:基于硬件的并发错误容忍方法研究,已结题。(国家级)

参与项目:

(1)国家自然科学基金项目:基于动态API导向代码生成和可信多轮交互的具身问答方法,在研。(国家级)

(2)国家自然科学基金项目:语音字典学习方法研究,已结题。(国家级)

(3)国家自然科学基金面上项目:基于硬件的多核程序执行不确定性消除技术研究,已结题。(国家级)

(4)哈尔滨市杰出青年人才基金项目:细胞病理图像分析系统,已结题。(市局级)

(5)国家242信息安全专项:xxx检测技术研究,已结题。(国家级)



教学工作

讲授计算机组成原理、Linux、嵌入式Linux系统设计、ARM体系结构及编程、数字逻辑等本科生课程;讲授并行计算与多核程序设计(英)、高级计算机体系结构(英)等研究生课程。


招生信息

欢迎对人工智能、大模型、AI智能体、联邦学习、隐私与安全、医学图像处理等感兴趣的本科、硕士毕业生报考。

拟申请的同学可以请将简历等材料发至:zhusuxia@hrbust.edu.cn。

近年指导的硕士生大部分都到国内著名的IT/互联网公司就业,如字节跳动、华为、360、百度、腾讯等。


专利成果

已授权专利:

一种基于分类变换扰动机制的均值估计方法和装置,发明专利,ZL202011428994.9

出版著作

发表论文

发表的代表性论文:

(1)Yu Yang, Suxia Zhu(通讯作者),Guanglu Sun,et al. DP-HM2F: Data-driven LoRA with dual-projection representation for heterogeneous multimodal federated fine-tuning[J].Expert Systems with Applications,Volume 311, 15 May 2026, 131287.(中科院一区TOP)

(2)Libao Zhang, Suxia Zhu(通讯作者), Wenjie Yao, Guanglu Sun. Federated Chain Context Optimization for Long-Tailed Multi-Label Image Classification[J].IEEE Transactions on Mobile Computing, 22 December 2025: 1 - 12.(中科院一区TOP)

(3)Suxia Zhu, Chuanhua Qiu, Guanglu Sun. FedERFT: Improving federated learning through feature-enriched regularization and post-aggregation fine-tuning[J].Knowledge-Based Systems, Volume 337, 25 March 2026, 115425.(中科院一区TOP)

(4)Xing Ma, Suxia Zhu(通讯作者), Chuanhua Qiu, Guanglu Sun. Tackling data heterogeneity in federated learning through knowledge distillation with inequitable aggregation[J]. Engineering Applications of Artificial Intelligence. Volume 173, 1 June 2026, 114418.(中科院一区TOP)

(5)Suxia Zhu, Jifa Jin, Wenjie Yao, Guanglu Sun. A class-aware calibration and balanced consistency weighting framework for Federated Semi-Supervised Learning[J]. Engineering Applications of Artificial Intelligence. Volume 164, Part A, 15 January 2026, 113213.(中科院一区TOP)

(6)Yao W, Sun G, Zhu S(通讯作者), et al.FedRDA: Representation Deviation Alignment in Heterogeneous Federated Learning[J].IEEE Transactions on Industrial Informatics, vol. 21, no. 11, pp. 8892-8902, Nov. 2025.(中科院一区TOP)

(7)Suxia Zhu, Xing Ma, Guanglu Sun. Two-stage sampling with predicted distribution changes in federate semi-supervised learning[J]. Suxia Zhu, Xing Ma,Guanglu Sun. Knowledge-Based Systems.Volume 295, 8 July 2024, 111822.(中科院一区TOP)

(8)Yu Yang, Suxia Zhu(通讯作者), Guanglu Sun,et al. AHFL: A Resource-Adaptive Approach for

Data-Heterogeneity-Aware Federated Learning[J].IEEE INTERNET OF THINGS JOURNAL, VOL. 12, NO. 23, 1 DECEMBER 2025.(中科院二区TOP)

(9)Zhu S, Yang Y, Sun G. FedLDR: Federated optimization with label distribution-aware representations[J].Neurocomputing, 2025-09-25.(中科院二区)

(10)Zhu S, Wang Y, Sun G. Federated semi-supervised learning based on truncated Gaussian aggregation[J]. The Journal of Supercomputing, 2025, 81(1): 1-22. 

(11)朱素霞,顾玢珂,孙广路. 基于相似度加速的自适应聚类联邦学习, 通信学报, 2024.03, 45卷, 页码:197-207.

(12)朱素霞,王金印,孙广路. 基于感知相似性的多目标优化隐蔽图像后门攻击, 计算机研究与发展,2024.04,61(5):1182−1192

(13)朱素霞,颜培森,王云梦,孙广路. 面向不平衡类的联邦学习客户端智能选择算法,哈尔滨理工大学学报,2024.4, 29(2):33-42.

(14)Suxia Zhu, Tianyu Liu, Guanglu Sun.Layer-wise personalized federated learning with hypernetwork,Neural Processing Letters, 2023,55(9):12273-12287

(15)朱素霞,王蕾,孙广路. 满足本地差分隐私的分类变换扰动机制,计算机研究与发展,2022,59(2):430-439

(16)朱素霞,刘抒伦,孙广路. 基于相对熵和K-means的形状相似差分隐私轨迹保护机制. 通信学报,  2021, 42(2):113-123. 

(17)Zhu S, et al. Tuning lock-based multicore program based on sliding windows to tolerate data race. Journal of Suercomputing, 2019, 75(12):7872-7804

荣誉称号