北极星
您的位置:光伏分布式光伏工商业光伏企业正文

IJCAI 2022 China隐私计算与联邦学习论坛举办,产学研共探数据安全流通新范式

2026-05-07 08:00:30来源:互联网

2022年11月6日至9日,第31届国际人工智能联合会议中国会议(IJCAI 2022 China)在深圳坪山燕子湖国际会展中心拉开帷幕。作为大会核心主题论坛之一,由微众银行、联邦学习FATE开源社区、香港科技大学、清华大学智能产业研究院等十余家国内外知名高校、企业与科研机构联合主办的隐私计算与联邦学习论坛,于11月8日线上线下同步开展,汇聚学界权威专家与产业一线精英,围绕隐私保护AI的技术前沿、落地实践展开深度交流。 当前,数据要素的战略价值已获全球共识,隐私计算正加速迈入规模化商业应用阶段。作为支撑数据安全流通的关键技术,隐私计算与联邦学习不仅成为业界落地实践的核心工具,更成为国际人工智能顶会的热门研究方向。这场论坛正是基于这一行业背景,搭建起产学研互动的桥梁,既邀请领域带头人分享前沿研究成果,也吸纳优秀论文作者展示最新探索。 学界专家们从技术底层出发,为隐私计算与联邦学习的发展指明方向。论坛荣誉主席、香港科技大学计算机与工程系讲席教授杨强带来《可信联邦学习》主题分享。他指出,联邦学习是人工智能与隐私计算的核心交汇领域,打造更安全可信、高效易用的联邦学习体系,是当前产业与学术研究的重中之重。依托开源平台的普惠性,联邦学习已在多行业场景实现落地,杨强还介绍了FATE开源社区的最新进展与未来规划,并提出跨平台互联互通、完善安全机制等行业发展重点,为联邦学习的进阶路径勾勒清晰蓝图。 清华大学智能产业研究院副研究员刘洋聚焦联邦学习系统中的效率、安全与性能平衡难题,分享了团队的最新研究突破。他提到,数据隐私保护、传输效率提升、异构数据与设备适配、模型训练效果优化,是当前联邦学习面临的核心挑战。团队研发的联邦学习安全分级评估、防御标签与后门攻击技术,以及FedBCG、FedSSO等创新框架,为构建高效安全的联邦学习体系提供了全新思路。 中国科学院计算技术研究所研究员陈益强带来《MetaFed:一种基于环形知识蒸馏的元联邦学习框架》的论文成果分享。他提出“元联邦”即“联邦之联邦”的创新概念,构建起层次化动态环联邦学习框架。通过自适应环形知识蒸馏机制,该框架能累积通用知识、舍弃冗余信息,在无需中心服务端参与的情况下,以较低通信成本实现模型精度提升与个性化学习。展望未来,陈益强提出构建“中国模型网”的愿景,让模型服务像互联网一样便捷可及,实现“模型即服务”的普惠目标。 新加坡南洋理工大学助理教授于涵围绕联邦学习的公平性与激励机制展开探讨。他强调,联邦学习的规模化发展离不开健康的行业生态,唯有建立公平的贡献评估体系,并对参与者给予合理激励,才能吸引更多主体加入,共同推动技术落地与生态完善。 产业精英们则从实践出发,展示隐私计算与联邦学习在各行业的落地成果。深圳大学软件工程研究中心副主任潘微科分享了跨用户联邦推荐的实践探索。团队构建的FMSS通用框架,通过虚假标记与秘密共享技术,在评分预测、物品排序、序列推荐等场景中有效保护用户的评分数值与行为隐私,经实验验证,该框架兼具安全性与性能无损性,为联邦推荐的落地提供了可行方案。 腾讯Angel PowerFL隐私计算平台负责人程勇聚焦纵向联邦深度学习(VFDL)在营销广告领域的应用。他从程序化广告与跨域推荐的实际业务痛点切入,介绍了VFDL技术如何通过持续迭代优化,更好地满足业务需求,助力企业实现增长目标。程勇表示,VFDL拥有广阔的研究与应用空间,下一步将带领团队重点探索SplitNN之外的下一代训练与推理架构,拓展技术边界。 厦门大学数字福建城市交通大数据研究所常务副所长范晓亮分享了隐私计算在数字教育领域的应用探索。他提到,随着高等教育进入数字化转型元年,高校内外部在课程、实践、学生评价、产学研合作等环节的数据流通需求日益迫切,隐私计算成为保障数据安全的关键。今年,厦门大学联合中国信通院牵头制定国内首个高等教育场景隐私计算应用规范团体标准,推动高校间及高校与外部机构的安全数据协作。 论坛还设置了论文分享环节,8篇入选IJCAI 2022的隐私计算与联邦学习领域论文作者现场讲解研究成果,与参会者展开实时互动探讨,碰撞出更多创新思路。 论坛尾声,微众银行人工智能首席科学家范力欣对本次活动进行总结。他表示,这场论坛从技术原理、现实挑战到实践应用、前沿探索,全方位展现了隐私计算与联邦学习的发展现状与未来方向。他向参会的优秀论文作者致谢,并鼓励研究者勇于提出新问题、探索新方向——提出好问题往往比解决问题更具价值,能为行业发展注入持续动力。 作为IJCAI 2022 China的重要组成部分,本次隐私计算与联邦学习论坛搭建了产学研深度交流的平台,进一步凝聚了行业共识,加速了隐私保护AI技术的落地应用广度与深度,推动技术生态高质量发展。随着技术的不断成熟,隐私计算与联邦学习将为数据要素高效流通、数字经济高质量发展注入更强动力,为未来AI应用开辟更安全的路径。

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

阳光新能源查看更多>工商业光伏查看更多>屋顶光伏查看更多>