报告题目：面向安全公平的可信联邦技术
主讲人：陈川 副教授，中山大学
时间：2022年12月29日（周四）15:00-16:00
腾讯会议： 191-913-929
报告摘要：
随着技术深入发展，联邦学习已成为在保障安全的基础上充分释放数据价值的重要技术手段，近几年受到越来越多的关注。但其在具体应用中还面临如何平衡安全与效率、技术公平与普惠性待改善等诸多挑战。此次报告，我们将围绕联邦学习所存在的安全性风险、可验证性差以及公平性等问题，介绍研究组在可信联邦学习方面的研究进展，并针对其所提出的去中心化联邦架构、公平性联邦算法进行理论及实践分析。最后探讨未来可信联邦学习方向与区块链等技术结合的潜在发展趋势。
报告人简介：
现任中山大学计算机学院副教授。2016 于香港浸会大学数学统计专业获博士学位，近年来主要研究方向：可信机器学习理论与应用（联邦学习，鲁棒学习等），及图机器学习理论与应用(图神经网络，社交网络，知识图谱等）。发表SCI索引国际期刊（包括IEEE TNNLS, TIP, TPDS, NSR等）及国际会议论文（包括KDD, AAAI,ICML,WWW, INFOCOM等）70余篇，ESI高被引论文1篇。现任Elsevier期刊Software Impacts副主编，CCF人工智能与模式识别专委会委员, 广东省计算机学会数字经济专委会及区块链专委会委员。现主持国家重点研发计划项目课题，国家自然科学面上/青年基金，广东省基础研究面上项目，2019年CCF-腾讯犀牛鸟科研基金项目，2021年腾讯微信犀牛鸟专项基金等十余项，与多企业开展校企研究合作。
邀请人：计算机科学与技术系 范晓亮