深圳2022年11月15日 /美通社/ -- 11月6-9日，第31屆國際人工智能聯合會議-中國會議（IJCAI 2022 China）在深圳坪山燕子湖國際會展中心召開。其中，大會主題論壇《隱私計算與聯邦學習》由微眾銀行、聯邦學習FATE開源社區、香港科技大學、清華大學智能產業研究院、廈門大學、深圳大學、中國科學院計算研究所、南洋理工大學、騰訊云等國內外知名企業、高校和機構聯合主辦，并于11月8日在線上線下同步順利進行。

數據要素的戰略性意義已成為全球共識，隱私計算正快步邁進規模化商業應用階段。隱私計算和聯邦學習為數據要素高效流通提供了可行的方案，被業界廣泛關注和使用，同時也成為人工智能國際頂會上的熱門方向之一。在此背景下，本次論壇邀請了數位隱私計算和聯邦學習研究和應用領域的帶頭人進行特邀演講，并且邀請被接收論文的作者分享最新的研究成果。

專家學者云集，助力隱私計算與聯邦學習大發展

論壇榮譽主席、香港科技大學計算機與工程系講席教授和前系主任、微眾銀行首席人工智能官楊強教授發表題為《可信聯邦學習》的主題演講。楊強教授表示，聯邦學習是人工智能和隱私計算的重要交集，如何使聯邦學習更加安全可信和高效是今后產業和學界關注的重點，可信聯邦學習的提出順應了產業發展的新趨勢。開源是可信聯邦學習實現普惠的重要路徑，在開源平臺的支撐下，聯邦學習在多個場景涌現出了優秀的應用案例，并且分享了FATE開源社區最新工作進展和未來發展規劃。此外，楊強教授還展望了跨平臺互聯互通、完善聯邦學習安全機制等行業未來發展重點，給聯邦學習的進一步發展指明了方向。

針對聯邦學習系統中的效率、安全、性能平衡與優化問題，論壇主席、清華大學智能產業研究院副研究員劉洋博士發表了《聯邦學習系統中效率-安全-性能平衡探索》主題演講，介紹了最新研究進展。劉洋博士指出，數據安全與隱私，傳輸效率，異構數據、異構設備的適配，訓練效果等是聯邦學習當前面臨的核心問題，聯邦學習安全分級評估，聯邦學習防御評估，防御標簽和后門攻擊，FedBCG，FedSSO，FedGEMS，TailorFL等多項最新研究進展為構建安全高效的聯邦學習框架提出新的解決思路和挑戰問題。

中國科學院計算技術研究所所務委員/研究員、智能研究部主任陳益強研究員詳細介紹了名為《MetaFed：一種基于環形知識蒸餾的元聯邦學習框架》的最新論文。該論文提出了"元聯邦"既"聯邦之聯邦"概念，及MetaFed層次化動態環聯邦學習框架。通過自適應的環形知識蒸餾，累積通用知識，舍棄冗余知識，以較小通信代價，達到在無中心服務端參與情形下獲取精度提升及個性化學習。在分享的最后，陳益強研究員提出了"模型即服務"，像互聯網一樣方便快捷的"中國模型網"等未來愿景。

針對如何解決聯邦學習面臨的公平與激勵問題，論壇主席、新加坡南洋理工大學計算機科學與工程學院南洋助理教授于涵進行了《Contribution and Fairness-Aware Federated Learning》主題演講，創新性地提出了相關解決方案。于涵教授表示，聯邦學習要實現快速發展，需要一個良好生態的支持。而只有滿足公平，同時對貢獻者進行適當激勵才能激勵大家積極參與共同建設，從而形成良好的行業生態環境。

產學精英匯聚，推動隱私計算與聯邦學習前沿實踐

聯邦學習已在金融、醫療、營銷廣告與推薦、智慧城市等多行業多領域廣泛落地探索，除了最新理論研究進展分享，多位嘉賓介紹了工業實踐成果，為聯邦學習的行業應用提供了標桿案例。

基于聯邦學習在推薦領域的實踐，深圳大學軟件工程研究中心副主任潘微科副教授分享了跨用戶聯邦推薦（Cross-User Federated Recommendation）方面的研究進展，并重點介紹了一個通用的跨用戶聯邦推薦框架FMSS。在該框架中，通過虛假標記和秘密共享兩個技術，可以實現在評分預測、物品排序和序列推薦等聯邦推薦場景中保護用戶的評分數值和評分行為，從而達到隱私保護的目的。此外，通過分析和實驗展示了該框架的安全性和無損性。

營銷與廣告領域是聯邦學習的重要應用場景，騰訊 Angel PowerFL 隱私計算平臺負責人程勇博士帶來題為《聯邦深度學習:最新進展和應用》的主題演講，聚焦在縱向聯邦深度學習（VFDL）領域，從程序化廣告場景中的數據協同應用難題，以及跨域推薦場景里的數據協同應用難題等現實應用挑戰切入，分享了VFDL如何在實踐中不斷優化迭代，從而更好滿足業務需求，助力業務持續增長目標。程勇博士認為，VFDL具有很高的研究價值和應用潛力，探索空間很大，下一步將帶領團隊重點探索SplitNN之外的下一代VFDL訓練和推理架構（Go beyond SplitNN）。

數字福建城市交通大數據研究所（廈門大學）常務副所長范曉亮分享了《數字教育領域的隱私計算應用初探》。他指出，數據作為一種新型的生產要素，已經成為數字經濟的發展基石，隱私計算的需求也愈發旺盛。除了在金融、醫療、政務、運營商場景外，在高等學校數字化轉型領域也有迫切的隱私計算需求。今年剛好是高等教育數字化轉型元年，廈門大學和中國信通院牽頭了國內首個隱私計算應用面向高等教育數字化場景的應用規范的團體標準，旨在引領高等高校內部機構之間、高校之間以及高校與外部之間在課程、實踐、學生評價、產學研合作等全流程的數據安全流通和隱私計算應用。

除了嘉賓的分享，8篇被IJCAI 2022接收的隱私計算與聯邦學習相關的論文的作者也進行了現場論文講解，分享了最新的研究成果。同時，論壇還設置了問答互動環節，聽眾和論文作者進行實時探討交流。

最后，論壇主席、微眾銀行人工智能首席科學家范力欣博士對整個論壇進行了精彩的總結發言。范力欣博士指出，本場隱私計算和聯邦學習論壇從技術原理、現實挑戰、實踐應用、前沿探索等多個方面進行了全面的分享和討論，精彩紛呈。對于來參會的IJCAI 2022優秀論文作者表示感謝并提出期望，鼓勵大家能夠勇于突破和敢于提出好的研究問題。提出一個好的問題往往比解決一個問題更難也更重要，希望未來有好的問題、新的方向不斷涌出，一起助力整個行業蓬勃發展。

隱私計算和聯邦學習論壇作為第31屆國際人工智能聯合會議-中國會議的重要組成部分，云集了多位行業專家學者和優秀論文作者。通過精彩分享和觀點碰撞，使得隱私計算和聯邦學習對于數據要素高效流通的重要意義達到更廣泛的共識，提升了技術落地應用廣度和深度，推動了技術生態快速、高質量發展。相信隱私計算和聯邦學習的發展將會為未來AI的應用、數據要素的流通、數字經濟的深入發展指引新的方向。