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

雷锋网AI科技评论按：2019年12月中旬，国际人工智能顶级学术会议，被中国计算机学会列为人工智能领域的A类会议——神经信息处理系统大会NeurIPS 2019（Conference and Workshop on Neural Information Processing Systems）即将于加拿大隆重召开。

在这一机器学习领域的顶级会议中，微众银行、Google、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 ），预计将有超过400名联邦学习领域的优秀研究人员与从业者参与会议。

本届联邦学习国际研讨会邀请了人工智能领域的顶级学者作为演讲嘉宾，包括微众银行首席人工智能官、香港科技大学讲席教授、第四范式联合创始人杨强教授，谷歌语音识别技术研发带头人Francoise Beaufays，网络安全领域著名专家、加州大学伯克利分校教授Dawn Song及助理教授Raluca Ada Popa，阿姆斯特丹大学机器学习首席教授、高通技术副总裁Max Welling（韦灵思）以及卡内基梅隆大学助理教授Ameet Talwalkar。

其中，微众银行首席人工智能官、香港科技大学讲席教授、第四范式联合创始人杨强教授是国际人工智能界“迁移学习”（Transfer Learning）技术的开创者，并提出“联邦迁移学习”的研究新方向，是国际人工智能协会（AAAI）首位也是至今为止唯一的华人执委，首位任IJCAI理事会主席的华人科学家。来自加州大学伯克利分校的教授Dawn Song曾获麦克阿瑟奖 (MacArthur Fellowship)、古根海姆奖(GuggenheimFellowship)与斯隆研究奖 (Alfred P. Sloan Research Fellowship)，被媒体誉为“互联网安全教母”。而深度学习领域知名科学家、VAE的提出者Max Wellings（韦灵思）曾提出规范等变卷积神经网络（G-CNN），这一研究将广义相对论和量子场论的数学原理应用到深度学习中，为3D物体识别提供了新思路。届时，他们将在现场与参会者一同分享联邦学习与数据安全、隐私保护的最前沿学术成果，解决其在实际落地过程中面临的难题，共话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与普及，在各行各业的落地应用也越来越深入。但由于人工智能技术需要海量数据的支撑，落地应用过程中，数据安全与用户隐私保护成为了公众普遍关注的问题。去年5月25日，欧盟颁布的《通用数据保护条例》（General Data Protection Regulation，简称GDPR）对数据安全与隐私保护做出了严格的规定，条例强调：收集用户数据必须公开、透明。在GDPR实施之后，《2018年加州消费者隐私法案》（The California Consumer Privacy Act of 2018，简称CCPA）、《中华人民共和国网络安全法》等法案也加强了对数据安全的关注。在这一环境下，传统的数据处理模式面临着严峻的挑战。

随着数据拥有者能够接触到的敏感数据越来越多，监管也愈发严格。针对人工智能的发展与数据隐私保护这一矛盾，联邦学习提供了解决问题的全新思路，它可以保证在参与方的数据不出本地的前提下共同建模，在这一前提下，这种分布式加密机器学习可以有效避免集中收集、处理数据的风险，兼顾AI建模效果与数据保护。

联邦学习的热点研究课题包括：如何有效利用差异隐私、安全多方计算等技术，并提高联邦学习在落地过程中的工作效率等。在本次研讨会中，联邦学习领域的顶尖学者与从业者将围绕联邦学习在实际落地过程中的问题展开讨论，将其与多个行业领域的最新技术结合起来，为应对用户隐私、数据安全与AI落地的矛盾提供更加全面有效的解决方法。

据悉，这是微众银行继今年8月国际人工智能联合会议（IJCAI 2019）联邦学习国际研讨会之后，持续在国际人工智能顶级会议中举办联邦学习研讨会，本次研讨会吸引了更多学者关注。目前共收到数十篇论文投稿，汇聚了联邦学习领域的最新研究成果，围绕联邦学习算法如何优化与应用、如何增强联邦学习的安全性、如何建立起联邦学习激励机制等展开多方面多角度的探索。被收录的优秀论文将会在本次研讨会以口头报告和海报的形式发表，来自世界各地的学者将与论文作者展开对话与交流。

近两年来，联邦学习在学术研究、标准制定、行业落地等方面一路高歌猛进，成为人工智能领域引人注目的方向之一。2018年12月，联邦学习IEEE国际标准正式立项，分别于2月、6月、8月召开了三次标准工作组会议，标准初稿完成。8月，备受关注的IJCAI 2019首届联邦学习国际研讨会的成功召开标志了联邦学习国际社区的正式成立，联邦学习进入了一个新的阶段。12月，在NeurIPS 2019中举办的联邦学习主题的研讨会将吸引更多研究者与从业者的关注。相信随着联邦学习的深入研究与广泛落地，将为破解数据孤岛和隐私保护的行业痛点提供更多成功范例。

研讨会官网：http://federated-learning.org/fl-neurips-2019/

了解联邦学习：www.fedai.org.cn

雷锋网报道

如欲了解更多联邦学习内容，可参看雷锋网之前报道：

相关文章：

数据不出本地，还能享受大数据训练模型，联邦学习提供一种应用广阔的学习新范式

从概念到技术，再到国际标准和开源社区，联邦学习只用两年时间

异军突起的联邦学习，为什么能够进入国际标准流程？

微众银行杨强教授：联邦学习的最新发展及应用丨CCF-GAIR 2019

破解数据孤岛壁垒，三篇论文详细解读联邦学习

「联邦学习」实现「共同富裕」？CCF 相关主题研讨会即将重磅来袭

不让「数据孤岛」成为 AI 发展的绊脚石，「联邦学习」将成突破口？

雷峰网原创文章，未经授权禁止转载。详情见转载须知。