报告题目：联邦学习中的隐私保护、鲁棒性和公平性
主讲人：吕灵娟 博士，蚂蚁金服安全实验室研究员
时间：2021年6月26日（星期六）15:00-16:00
地点：海韵园行政楼C505会议室
摘要：
随着越来越严格的法律合规的出台和社会上越来越多的数据隐私安全问题的发生，越来越多的数据不允许被传输出域，而是以孤岛的形式存在。传统的集中式学习正面临合规、效率、隐私安全等方面的一系列挑战。近年来联邦学习已经成为一种替代解决方案，并且在学界和业界开始蓬勃发展。然后，传统的联邦学习算法系统已被证明容易受到系统内部或外部的攻击者的攻击，从而损害了数据拥有者的隐私性和系统的鲁棒性。另外，传统的联邦学习允许所有参与者都能获得一样的全局模型，忽略了参与者贡献的不同和合作系统中的激励机制，不利于更多的参与者参与到生态联邦学习系统中，阻碍了联邦学习的可持续发展。本次讲座主要涵盖：（1）联邦学习概念的全面介绍；（2）联邦学习中隐私方面的问题和解决方案；（3）联邦学习系统的鲁棒性问题；（4）联邦学习中合作公平性问题。
报告人简介：
吕灵娟博士现任蚂蚁集团专家研究员。曾任新加坡国立大学Research Fellow、澳大利亚国立大学Research Fellow（B3级，讲师/助理教授同级）。她于2018 年在墨尔本大学完成了博士学位。她目前的研究兴趣涵盖分布式/联邦学习、数据隐私、系统鲁棒性、公平性和边缘智能。她是IBM Ph.D. Fellowship获得者（全球仅50人，澳洲仅 2人），研究项目曾获ANU Translational Fellowship，ARC, 国家自然科学基金等支持。吕博士在IJCAI、ICLR、SIGIR、ICASSP、EMNLP、NAACL、WWW、TII、JSAC、JIOT、TPDS、TDSC等国际顶级会议和期刊上发表论文30余篇，曾获FL-IJCAI’20最佳论文奖。吕博士同时担任ICML, NeurIPS, AAAI, AISTATS, CCS, PETS, TIFS, TDSC, TKDE, TII, JIOT, ACM Computing Surveys, NAACL, EMNLP等众多顶会和顶刊的PC和审稿人。
邀请人：计算机科学与技术系 范晓亮