从IJCAI 2019到NeurIPS 2019，联邦学习将再次亮相国际AI顶会

2019年12月中旬，被中国计算机学会列为人工智能领域A级会议的国际顶级人工智能学术会议NeurIPS2019（神经信息处理系统会议暨研讨会）将在加拿大召开。在这场机器学习领域的顶级会议中，蔚来银行、谷歌、新加坡南洋理工大学（NTU）、卡内基梅隆大学（CMU）等机构将联合举办联邦学习国际研讨会（Workshop on Federated Learning for Data Privacy and Confidentiality），届时将有400多名联邦学习领域的优秀研究人员和从业人员参加。

在今年的联邦学习国际研讨会上，Microbank首席人工智能官、香港科技大学讲师、第四范式联合创始人杨强教授、谷歌语音识别技术研发负责人Francoise Beaufays、网络安全领域知名专家、加州大学伯克利分校教授Dawn Song。人工智能领域的顶尖学者作为发言人出席了会议，其中包括阿姆斯特丹大学机器学习首席教授Raluca Ada Popa助理教授。高通技术副总裁Max Welling和卡内基梅隆大学助理教授Ameet Talwalkar。其中，微多银行主任人工智能官、香港科技大学讲师、第四范式共同创始人杨强教授是国际人工智能界“转移学习”（Transfer Learning）技术的创始人，提出了“联邦转移学习”研究的新方向，是国际人工智能协会（AAAI）第一位也是迄今唯一的华人执行董事，是担任IJCAI理事会主席的第一位华人科学家。加州大学伯克利分校的Dawn Song教授获得了麦克阿瑟奖麦克阿瑟奖学金，古根海姆奖学金和斯隆研究奖阿尔弗雷德P。斯隆研究奖学金被称为“互联网安全教母”。在深度学习领域著名的科学家、VAE的提议者Max Wellings提出了标准等变量卷积神经网络（G-CNN），该研究将一般相对论和场量子论的数学原理应用于深度学习，为3D物体识别提供了新的思路。届时，我们将与与会者分享联邦学习和数据安全隐私保护方面的前沿学术成果，解决实际落地过程中遇到的问题，并探讨联邦学习发展的未来。近年来，随着机器学习等人工智能技术的发展和普及，它们在各行各业的应用越来越深入。然而，由于人工智能技术需要大量数据的支持，数据安全和用户隐私保护已成为落地应用过程中普遍关注的问题。去年5月25日，欧盟通过了《一般数据保护条例》（General Data Protection Regulation）GDPR）在数据安全和隐私保护方面引入了严格的规定。用户数据的收集是公开和透明的。随着GDPR的实施，2018年《加利福尼亚州消费者隐私法》（CCPA）和《中华人民共和国网络安全法》等法律引起了人们对数据安全的关注。在这样的环境下，传统的数据处理模型面临着严峻的挑战。随着数据所有者可以访问更多的敏感数据，法规将变得更加严格。为了应对人工智能发展与数据隐私保护之间的矛盾，联邦学习为解决问题提供了新思路，可以在参与者数据不是本地化的前提下保证协同建模。在此前提下，分布式加密机器学习可以有效地避免数据集中收集和处理的风险，同时考虑人工智能建模效果和数据保护。联邦学习的热门研究课题包括：如何有效利用差分隐私、安全多方计算等技术，以提高联邦学习在着陆过程中的效率。在本次研讨会上，来自联邦学习领域的顶尖学者和从业者将共同探讨联邦学习在实际落地过程中存在的问题，并结合众多行业领域的最新技术，为解决用户隐私、数据安全、AI落地的矛盾提供更全面、更有效的解决方案。继今年8月召开的国际人工智能联席会议（IJCAI2019）联邦学习国际研讨会之后，联邦学习研讨会在国际人工智能顶级会议上不断举办，吸引了越来越多学者的关注。到目前为止，它已经收到了数十篇论文，汇集了联邦学习领域的最新研究成果，对联邦学习算法的优化和应用、加强联邦学习安全性、建立联邦学习激励机制等进行了多方面、多方面的探索。入选的优秀论文将在本次研讨会上以口头和海报展示的形式进行展示，并与来自世界各地的研究人员和作者进行对话和交流。近两年来，联邦学习在学术研究、标准制定、产业落地等方面取得了跨越式进展，成为人工智能领域值得关注的方向之一。2018年12月，联邦学习IEEE国际标准正式成立，标准工作组分别于2月、6月、8月召开三次会议，完成标准初稿。8月，IJCAI2019第一届联邦学习国际研讨会成功举办，正式成立了联邦学习国际共同体，联邦学习进入了一个新阶段。12月，NeurIPS2019将举办一个关于联邦学习的研讨会，吸引研究人员和从业人员的注意。我们相信，随着联邦学习的深入研究和传播，将为解决行业在数据孤岛和隐私保护方面的痛点提供更多成功案例。