近日，网络空间安全学院王震教授课题组的研究成果被软件工程领域国际顶级会议The 40th IEEE/ACM International Conference on Automated Software Engineering (ASE 2025) 录用。论文题目为“Provable Fairness Repair for Deep Neural Networks”，第一作者为23级研究生马迦南。
ASE是软件工程领域CCF-A类会议，被誉为软件工程领域四大最高级别国际学术会议之一，所收录的成果代表了该领域的最高研究水平。本次大会将于2025年11月16-20日在韩国首尔举行，共录用245篇论文，录用率为20.6%。
深度神经网络在诸多决策任务中展现出卓越性能，但其“个体歧视”问题已引发广泛伦理关注。现有公平性修复方法通常依赖训练数据或启发式调整，缺乏形式化的理论保障与对未见样本的泛化能力。针对这一挑战，本研究首次提出了一种具有可证明公平性保证的神经网络修复框架ProF。
ProF包含两个核心阶段：首先使用区间边界传播（Interval Bound Propagation）技术，对模型在偏见样本相似集合上的输出范围进行可靠刻画，从而识别并收紧偏见行为。在第二阶段，ProF进一步合成更精确的符号边界，并基于这些边界将公平性约束与模型参数变化构建为约束求解问题。通过引入对偶理论，ProF消除其中的非线性项同时保留约束的健全性。得到的MILP可由现有求解器高效求解，最终得到具备可证明公平性保障的修复模型。
实验结果表明，PROF 在四个主流基准数据集上均实现了显著的公平性提升。在修复集上，PROF 能够实现 100% 可证明的公平性修复；在完整数据集和全输入空间上的泛化率分别达到 95.93% 和 93.16%，远超现有最优方法（71.44% 和 72.67%）。此外，PROF 还能灵活扩展以支持多敏感属性和更复杂的公平性定义，平均提升约 90%，并在多种公平性测试框架下保持稳定表现，充分展示了其理论可靠性与实际适用性。
这一成果是王震教授课题组继在ICSE 2024（软件工程CCF-A类会议） 发表的神经网络故障定位及修复研究和CCS 2025（网络安全CCF-A类会议）发表的神经网络可证明缺陷修复工作之后，在AI安全方向上的又一重要突破。所提出的ProF框架首次为神经网络个体公平性修复提供了形式化保证，展示了团队在神经网络验证与修复领域的持续探索与积累。
