报告时间:2021年9月18日下午2:30

报告地点:基105

腾讯会议ID: 617 634 699

摘要:由于数据安全及用户隐私保护,分布于各个机构的数据形成“数据孤岛”,无法进行有效的共享利用。联邦学习(Federated Learning)是一种新兴的人工智能技术,其可以在保障数据安全、保护隐私的前提下,在多参与方之间开展高效率的机器学习。但是由于竞争关系、安全问题、审批流程等因素,联邦学习的计算过程中往往存在经济、法律、信任等问题。安全多方计算、区块链等技术,提供了一种点对点的去中心化的解决方案,构建具有去中心化、数据保护、联合计算等特点的安全联邦学习方案。在本报告中,将介绍联邦学习、区块链,以及基于区块链的去中心化联邦学习架构。

报告人简介:李晓丽,中山大学在读博士生。于2008年重庆大学计算机学院获得学士学位,于2011年电子科技大学获得硕士学位。主要研究方向为联邦学习、区块链、机器学习和服务计算等。近年来在相关领域期刊和会议发表论文多篇论文,包括TSC, IoTJ, JCC, BlockSys等,并担任TSC、TVT等国际知名期刊审稿人。作为项目主要成员,参研国家重点研发计划项目子课题1项,中央军委科技委项目1项,国家自然科学基金重点项目1项,广东省重点领域研发计划项目1项,广州市重点领域计划项目1项,横向合作项目1项。

信息科学与技术学院

2021年9月16日