聚合国内IT技术精华文章,分享IT技术精华,帮助IT从业人士成长

2021年实验室学术年会前瞻报告(四)胡胜山:安全视角下的联邦学习(PPT)

2021-10-21 16:06 浏览: 523 次 我要评论(0 条) 字号:

2021/09/29

2021实验室学术年会

2021年9月29日,实验室2021年学术年会在华中科技大学顺利召开,四位教师代表从不同角度做了四场精彩的学术前瞻报告。

在下午的前瞻报告部分,胡胜山副研究员作了题为“安全视角下的联邦学习”的报告。联邦学习是近年来兴起的一种新的分布式机器学习架构,其主要目的是在保护数据隐私的前提下,充分利用大量零散用户的数据资源,完成全局机器学习模型的训练与构建。虽然联邦学习在分布式场景下具有巨大的应用价值,但近来多项研究工作表明,联邦学习非常容易遭受模型投毒等攻击,而且仍然存在数据隐私泄露的风险。该报告分别从联邦学习的研究背景、整体研究现状、两大安全问题、常见防御策略以及未来展望等方向进行了全面的介绍。

胡胜山副研究员2019年分别获得武汉大学和香港城市大学博士学位,同年进入华中科技大学网络空间安全学院工作。研究方向包括人工智能安全、大数据隐私保护等,目前重点关注联邦学习、自动驾驶、智慧医疗等智能系统的安全与隐私问题。

现分享本次报告的PPT,供大家学习和参考。

往期 · 回顾



网友评论已有0条评论, 我也要评论

发表评论

*

* (保密)

Ctrl+Enter 快捷回复