三届可信联邦学习冬令营：汇聚智慧，共探前沿

开营仪式与合作伙伴

西南财经大学携手FATE开源社区、微众银行、中国计算机学会（CCF）成都分部，于11月10日至12日在蓉城成都举办“可信联邦学习冬令营”。该活动集结了清华大学、四川大学、中国石油大学、联通（上海）产业互联网有限公司等多家高校与机构的鼎力支持，吸引了来自西南财经大学、四川大学、西南交通大学、复旦大学、香港科技大学等12所高校的逾50名硕士及博士研究生参与。

专家培训与指导

为期三天的开营培训汇集了加拿大工程院与皇家学院院士杨强、微众银行人工智能首席科学家范力欣、西南财经大学计算机与人工智能学院院长刘贵松等多位行业领军人物，他们围绕可信联邦学习（TFL）领域，为学员们提供了集中培训，分享了多年研究经验和实践方法。清华大学、浙江大学、复旦大学、华中科技大学、福州大学、四川大学、电子科技大学、西南交通大学、西南财经大学等知名高校与科研机构的教授则担任导师，为学员进行全程研究指导。

领导致辞与愿景

西南财经大学党委常委、副校长桂富强在开幕致辞中强调了学校在发展财经科技创新，特别是人工智能与金融融合方面的决心。他鼓励同学们“观人类的未来，也观自己的未来”，旨在激发学生的创新意识与个人成长。

杨强院士在致辞中指出，未来的世界是人与模型共存的世界，而联邦学习作为人工智能发展趋势的关键一环，具有重要意义。他期待学员们在冬令营中有所收获，成为联邦学习方向和AI领域的中坚力量。

主题报告与深入研讨

杨强院士围绕《可信联邦学习与联邦大模型》主题，分享了联邦学习相关理论框架、可信联邦学习与联邦大模型的前沿研究与应用。范力欣博士的《可信联邦多目标优化》报告，深入探讨了联邦学习作为平衡性能、效率、安全等多方问题的系统性框架与解决方案的重要性。刘洋副教授则介绍了基于知识流动的联邦学习框架，旨在提升效率以适应实际应用需求。

康焱博士分享了通过联邦迁移学习落地基础模型的研究，强调了大型预训练模型在领域知识和知识过时等方面的局限性，以及联邦迁移学习如何助力解决这些问题。杨新副院长的《联邦持续学习》报告聚焦于动态、现实的联邦学习，旨在避免时空性灾难性遗忘，推动可信联邦学习在西南地区的学术社区建设。

叶庆讲师以《面向异构计算环境的去中心化联邦学习》为主题，探讨了中心化联邦学习面临的挑战及其在异构计算环境下的应对策略。张晓今助理教授的《联邦学习理论》深入介绍了联邦学习中的攻防理论，提出了平衡隐私和效用的方法，以及设计最优防御策略的策略。

刘泽雷技术总监的《联邦参与者贡献评估》报告，提出了基于多方参与的贡献度评估方法，阐述了如何通过数据价值量化方法激励参与者，推动数据生态的构建。

吕仲琪副教授围绕《联邦推荐算法》，分享了联邦推荐相关算法的应用和研究进展，强调了推荐系统对数据共享、可信和隐私保护的需求，以及如何通过联邦学习提高推荐系统的可用性和安全性。

朱公溪博士生分享了参与清华大学AIR可信联邦学习夏令营的经历与成果，展示了联邦学习领域的最新研究成果与感想。

结语：知识汇聚，未来可期

本次可信联邦学习冬令营不仅为学生提供了一个深入学习和探索联邦学习领域的交流平台，更旨在促进人才培养、推动“产、学、研、用”跨领域合作与交流。未来，期待更多的青年才俊加入人工智能与隐私计算的行列，共同塑造行业发展的未来。