在数据挖掘与知识发现领域，黑龙江大学计算机与大数据学院（网络安全学院）的科研团队取得了令人瞩目的成果。由朱敬华教授担任通讯作者、2025级硕士研究生郭子杰作为第一作者的论文《FedTail-DT: A Dual-Teacher framework for Long-Tailed Heterogeneous FL with CLIP Prototypes and Adaptive Aggregation》，成功被国际顶级学术会议ACM SIGKDD Conference on Knowledge Discovery and Data Mining（KDD 2026）录用。这一成果标志着该团队在相关研究领域迈出了重要一步。
KDD作为数据挖掘与知识发现领域的标志性会议，具有深厚的历史底蕴和极高的国际影响力。它被中国计算机学会（CCF）认定为A类会议，在国际CORE评级中达到A*级，同时也是学校认定的高水平科研成果。该会议的核心研究赛道（Research Track）竞争异常激烈，历年录用率均低于20%，2026年的录用率仅为18.5%。据谷歌学术指标显示，KDD在计算机工程领域数据挖掘与分析方向的h5指数高达124，在全球该领域中位居第二，学术地位十分突出。
联邦学习作为一种隐私友好型的分布式学习范式，在打破数据孤岛、保护数据隐私方面发挥着重要作用，在金融、医疗健康等行业有着广阔的应用前景。然而，在实际应用中，联邦学习面临着数据异构和类别长尾分布这两大难题。针对这些问题，朱敬华教授团队创新性地提出了FedTail-DT框架。
该框架首次引入预训练CLIP模型作为语义先验教师，并结合全局迭代优化教师，构建了“双教师 - 单学生”的知识蒸馏架构。通过CLIP文本原型对比学习，有效解决了尾部类别特征偏移的问题。同时，团队还创新设计了多维客户端评分机制，能够精准校准模型聚合权重。大量实验结果表明，FedTail-DT框架凭借跨模态先验知识、尾部类别特征增强与动态客户端权重调配的协同作用，显著提升了模型性能，为长尾场景下的联邦学习提供了全新的、高效的技术方案。
此次论文的成功录用，不仅体现了黑龙江大学学者在国际学术前沿的探索精神和学术潜力，也是计算机与大数据学院（网络安全学院）“以科研促育人、以育人强科研”理念的生动体现。学院将持续营造良好的创新氛围，培育优秀的师生团队，产出更多具有原创性的科研成果，推动学校“双一流”建设和学科发展不断前进。
