5月15日9：00，李葆春教授谈实证联邦学习的数据隐私保护

MAY

9:00-10:00

近五年来，联邦学习风靡学界，其特点之一是可以为数据隐私提供保护。但是有研究对其数据隐私保护的能力提出了疑问，并提出可以使用梯度泄露攻击来重建训练数据。然而，在Plato平台进行的用联邦学习解决图像分类和自然语言处理任务等实验证明了梯度泄露攻击的说法并不成立，联邦学习中的数据隐私实际上得到了很好的保护。

第十四期AIRS-TNSE联合杰出讲座系列活动，我们有幸邀请到李葆春教授介绍联邦学习的数据隐私保护能力，并分享他在这个领域内的相关研究成果与有趣发现。

执行主席

Executive Chair

黄建伟

香港中文大学（深圳）校长讲座教授、协理副校长

AIRS副院长兼群体智能中心主任

IEEE TNSE主编

IEEE Fellow

AAIA Fellow

报告嘉宾

Speaker

李葆春

多伦多大学教授

加拿大工程院院士

加拿大工程学会院士

IEEE Fellow

李葆春教授于1995年从中国清华大学计算机科学与技术系获得工学学士学位，随后于1997年和2000年分别在伊利诺伊大学厄巴纳-香槟分校的计算机科学系获得硕士和博士学位。自2000年起，他一直在多伦多大学的电子与计算机工程系任职，目前是该系的教授。自2005年8月以来，他担任贝尔加拿大计算机工程讲席教授。他目前的研究兴趣包括云计算、安全与隐私、分布式机器学习、联邦学习和网络技术。

李博士发表了共计470余篇论文，累积引用量达25000，H-index指数为88，i10-index指数为338。他曾在2000年获得IEEE通信学会Leonard G. Abraham通信系统领域奖，2009年获得IEEE通信学会多媒体通信最佳论文奖，同年还获得了多伦多大学McLean奖。他在2023年获得了IEEE INFOCOM最佳论文奖，并在2024年获得了IEEE INFOCOM成就奖。同时，他是加拿大工程院院士、加拿大工程学会院士以及国际电气与电子工程师协会会士（IEEE Fellow）。

报告介绍

Topic & Abstract

Does Federated Learning Preserve Data Privacy?

As one of the practical paradigms that preserves data privacy when training a shared machine learning model in a decentralized fashion, federated learning has been studied extensively in the past five years. However, a substantial amount of existing work in the literature questioned its core claim of preserving data privacy, and proposed gradient leakage attacks to reconstruct raw data used for training. In the day and age of fine-tuning large language models, whether data privacy can be preserved is very important.

In this talk, I will show that despite the conventional wisdom that federated learning pose privacy leaks, data privacy, in fact, may be quite well protected. Claims in the existing literature on gradient leakage attacks are not valid in our experiments, for both image classification and natural language tasks. Our extensive array of experiments were based on Plato, an open-source framework that I developed from scratch for reproducible benchmarking comparisons in federated learning.

活动时间

2024年5月15日（周三） 9:00-10:00

参与方式

本次活动设多个直播渠道，观众可通过以下任一渠道观看直播。

AIRS-TNSE 联合杰出讲座系列

AIRS-TNSE Joint Distinguished Seminar Series

IEEE Transactions on Network Science and Engineering（简称IEEE TNSE）是位于JCR 1区的网络科学领域顶级期刊，致力于探讨网络科学的理论和应用，以及构成网络系统中各元素之间的相互联系。IEEE TNSE被SCIE数据库收录，位于 JCR 1 区，2023年影响因子为6.6。

AIRS-TNSE联合杰出讲座系列由IEEE TNSE期刊和深圳市人工智能与机器人研究院（AIRS）联合主办，香港中文大学（深圳）、网络通信与经济学实验室（NCEL）、IEEE联合支持。该系列活动旨在汇聚网络科学与工程领域的国际顶级专家学者分享前沿科技成果。

*特别鸣谢叶文涛提供相关内容

继续阅读

阅读原文