聚焦隐私保护AI，IJCAI 2022 China隐私计算与联邦学习论坛顺利召开

11月6日至9日，第31届国际人工智能联席会议-中国大会（IJCAI2022China）在深圳坪山燕湖国际展览中心举行。其中，“隐私计算与联邦学习”的重主题论坛，包括微型银行、联邦学习FATE开源社区、香港科技大学、清华大学智能产业研究院、厦门大学、深圳大学、中国科学院计算研究院、南洋理工大学、腾讯云等国内外知名企业、大学、该活动由该机构联合主办，并于11月8日顺利进行了线上和线下同步。数据元素的战略重要性已成为全球共识，隐私计算正在迅速进入大规模商业应用。隐私计算和联邦学习为数据元素的高效分布提供了可行的解决方案，在业界得到了广泛的关注和应用，甚至成为人工智能国际峰会的热门方向之一。在此背景下，论坛邀请了数字隐私计算和联邦学习等研究与应用领域的领导者，并邀请获奖论文作者分享最新研究成果。专家和学者齐聚一堂，支持隐私计算和联邦学习的发展

论坛名誉主席、香港科技大学计算机工程系教授兼前任院长、潍坊银行首席人工智能官杨强教授发表了题为“可信的联邦学习”的主题演讲。杨强教授表示，联邦学习是人工智能与隐私计算的重要交叉点，如何使联邦学习更加安全、可靠、高效是产业界和学术界未来关注的焦点，提出可信联邦学习的建议符合产业发展的新趋势。在开源平台的支持下，联邦学习在许多场景中产生了出色的用例，并分享了FATE开源社区的最新工作进展和未来发展计划。此外，杨强教授还预测了行业未来发展的重点，包括跨平台互操作性、联邦学习安全机制的完善，并为联邦学习的进一步发展指明了方向。针对联邦学习系统的效率、安全、性能平衡和优化问题，清华大学智能产业研究所副研究员刘洋博士发表了题为“探索联邦学习系统的效率、安全和性能平衡”的主题演讲，并介绍了最新研究成果。刘阳博士指出，数据安全与隐私、传输效率、异构数据、异构设备适应、训练效果等是目前联邦学习面临的核心问题，最近的研究进展包括联邦学习安全等级评估、联邦学习防御评估、防御标签与后门攻击、FedBCG、FedSSO、FedGEMS、TailorFL等。它为建立一个安全有效的联邦学习框架提出了新的解决方案和挑战。中国科学院计算技术研究所研究员/研究员、智能研究部主任陈义祥研究员详细介绍了他的最新论文，题为“MetaFed：一个MetaFederal Learning Framework on Circular Knowledge蒸馏”。本文提出了“元联邦”，即“联邦的联邦”的概念，并提出了一个元联邦分层动态循环联邦学习框架。通过自适应环知识蒸馏，积累了一般知识，摒弃了冗余知识，实现了准确性的提高和个性化学习，而无需中央服务的介入。在分享的最后，陈益强研究员提出了“模式即服务”、“中国模式网络”等未来愿景，如互联网一样便捷快捷。论坛主席、新加坡南洋理工大学计算机科学工程系助理教授Yu Han Yu在主题演讲中提出了一个创新的解决方案，主题为“联邦学习贡献和公平认可”，以解决联邦学习面临的公平和激励问题。余汉教授表示，联邦学习要想快速发展，就需要良好的生态支撑。只有满足公平要求，给予贡献者适当的激励，才能使大家积极参与共建，形成良好的产业生态环境。学术界和学术界精英齐聚一堂，推动隐私计算和联邦学习的前沿

联邦学习在金融、医疗、营销广告宣传、智慧城市等多个领域得到了广泛探索，除了分享最新理论研究进展外，多位嘉宾还展示了行业实践成果，为联邦学习的产业应用提供了标杆案例。基于联合学习在推荐领域的实践，深圳大学软件工程研究中心副主任潘伟克副教授分享了跨用户联合推荐的研究进展，并着重介绍了通用的跨用户联合推荐框架--FMSS。在这个框架下，通过虚拟标记和秘密共享两种技术，可以保护用户在联邦推荐场景中的得分数字和得分行为，如得分预测、物品排序和排序推荐，从而达到隐私保护的目的。通过分析和实验，验证了该框架的安全性和非破坏性。营销和广告领域是联邦学习的重要应用场景，腾讯Angel PowerFL隐私计算平台负责人程勇博士发表了题为“联邦深度学习--最新进展与应用”的主题演讲，重点关注垂直联邦深度学习（VFDL）领域。从程序化广告场景中的数据协调应用问题和跨域推荐场景中的数据协调应用问题等现实应用问题出发，他分享了VFDL在实践中不断优化迭代，从而更好地满足业务需求，支持业务实现可持续增长目标。程勇博士认为，VFDL具有很高的研究价值和应用潜力，还有很大的探索空间。下一步将专注于探索SplitNN之外的下一代VFDL训练和推理架构（Go beyond SplitNN）福建省数字城市交通大数据研究所（厦门大学）副所长范晓良分享了他对隐私计算在数字教育领域应用的初步研究。数据作为一种新的生产要素，已成为数字经济发展的基石，对隐私计算的需求也在不断增长。除了金融、医疗保健、政府和运营商场景外，高等教育机构的数字化转型领域也对隐私计算有着迫切的需求。今年刚刚是高等教育数字化转型的第一年，厦门大学与中国信息通信研究院率先将隐私计算应用作为高等教育数字场景的应用标准，贯穿各高校之间的课程、实践、学生考核、产业合作等全过程。它的目标是领导大学和外部大学机构。

除了嘉宾分享外，IJCAI2022采纳的八篇关于隐私计算和联邦学习的论文的作者还进行了现场演示，分享了他们的最新研究成果。会议还安排了问答环节，与会者和论文作者进行了实时讨论。最后，论坛主席、潍坊银行人工智能首席科学家范立欣博士对整个论坛作了精彩的总结。范力欣博士指出，隐私计算与联邦学习论坛从技术原理、现实世界挑战、实际应用、前沿探索等方面进行了全面的分享与讨论。我们对参加IJCAI2022的优秀论文作者表示感谢和期待，并鼓励他们敢于提出突破性突破和良好的研究问题。提出一个好的问题往往比解决一个问题更困难，也更重要。有好的问题，新的方向出现，这有助于整个行业蓬勃发展。隐私计算与联邦学习论坛是第31届国际人工智能联席会议中国会议的重要组成部分，吸引了行业专家、学者和优秀论文作者。通过精彩的分享和意见冲突，就隐私计算和联邦学习对数据元素高效分布的重要性达成了更广泛的共识，提高了技术应用的广度和深度，推动了技术生态系统的快速、高质量发展。我们相信隐私计算和联邦学习的发展将为未来AI应用、数据元素流通和数字经济的进一步发展指明新的方向。