2023可信联邦学习国际研讨会：聚焦人工智能与数据安全

8月21日，澳门：IJCAI年度盛会与联邦学习技术融合

在第32届国际人工智能联合会议（IJCAI）期间，IJCAI2023可信联邦学习国际研讨会于澳门盛大举行，汇聚全球顶尖学者与行业专家，共同探讨联邦学习技术的最新进展与未来趋势。

技术前沿报告：深度解析联邦学习演进

清华大学计算机系唐杰教授在研讨会上隆重发布《2023联邦学习全球研究与应用趋势报告》。这份报告全面回顾了联邦学习自2016年诞生以来的技术发展与应用实践，深入分析了技术研究、学者贡献、主流框架、行业应用，并展望了未来发展方向与前景，为联邦学习生态系统提供了权威指导。

专家云集，洞悉未来

研讨会特别邀请加拿大工程院与皇家学院院士、香港科技大学讲席教授杨强致开幕辞，五位领域专家分别就理论研究与实践前沿进行深入讨论，共同描绘可信联邦学习技术的未来蓝图。

实践与理论并重：前沿技术解析

• 隐私攻击视角：香港科技大学副教授宋阳秋深入剖析了大型语言模型中的隐私攻击，分享了对抗策略与防御措施。

• 大规模学习系统评估：美国卡内基梅隆大学助理教授Virginia Smith探讨了评估方法，聚焦效率优化、隐私保护与系统稳健性提升。

• 可信联邦学习框架设计：美国伊利诺伊大学厄巴纳-香槟分校助理教授李博阐述了可信联邦学习作为交叉学科的最新进展与设计思路。

• 医疗保健中的联邦学习应用：加拿大不列颠哥伦比亚大学助理教授李霄霄介绍了联邦学习在医疗保健领域的最新实践与挑战应对策略。

• 个性化联邦学习探索：澳大利亚悉尼科技大学副教授龙国栋分享了个性化联邦学习的最新进展与应用案例。

学术成果展示与表彰

研讨会汇集了19篇高质量论文，覆盖了性能优化、数据安全、多方合作激励机制等关键议题。其中，Ljubomir Rokvic、Panayiotis Danassis、Boi Faltings的论文荣获“最佳论文”奖，而Yuchen Liu、Chen Chen、Lingjuan Lyu的论文与Sahra Ghalebikesabi、Leonard Berrada等人的研究则分别获得了“最佳学生论文”奖。

开放与共享：促进全球合作

本次研讨会不仅促进了跨领域学术交流，还通过18篇联邦学习相关论文的报告，展现了联邦学习领域的快速发展。来自世界各地的专家们围绕数据安全流通与知识共享主题展开讨论，共同推动了联邦学习在全球范围内的深化发展，为实现开放灵活的数据管理提供了宝贵见解。

结语：联邦学习的全球脉动与未来展望

作为IJCAI年度盛会的重要组成部分，可信联邦学习国际研讨会正成为连接学术界与产业界的桥梁，不断引领联邦学习技术向着更加安全、高效、创新的方向迈进。这场全球性盛会不仅展示了联邦学习的最新成果与应用，更为其未来的发展奠定了坚实的基础，预示着联邦学习将在全球范围内迎来更加广阔的应用前景。