时 间：2024年12月27日 10:30-11:30
地 点：新校区信息楼535
报告人：禹继国，电子科技大学
摘要：物联网、工业互联网、社交网络和5G/6G的快速发展催生了海量数据，基于人工智能和机器学习的数据智能已然重塑了新的科学研究范式。但随着数据孤岛的不断出现以及个人隐私保护受重视程度越来越高, 集中式机器学习的应用受到了明显制约。由于联邦学习能在不泄露训练数据的前提下完成模型训练而备受关注。随着联邦学习应用的推广, 其隐私保护能力和模型安全逐渐被受质疑。为了解决联邦学习的隐私和安全问题，该汇报主要包括我们在联邦学习的隐私与模型安全方面几个初步结果并展望几个未来可能的研究方向。
个人简介：禹继国，电子科技大学计算机科学与工程学院（网络空间安全学院）教授，博士生导师，IEEE Fellow、AAIA Fellow，CCF物联网专委会、理论计算机科学专委会委员，先后担任3个SCI期刊的编委。研究兴趣包括无线网络与通信（分布式计算）、网络与数据安全、隐私保护、AI安全、区块链等。主持和承担国家重点研发计划项目课题、国家自然科学基金重点（面上）项目、省重大创新工程项目、省重大基础研究项目等20余项；5次获省部级科研教学奖；在计算机领域知名学术期刊和会议上发表论文300余篇，其中IEEE/ACM Trans./Journal论文100余篇。
