标题:NeurIPS 2019联邦学习国际研讨会引关注,联邦学习技术应用再拓边界
2019年12月8日-14日,第33届国际人工智能顶级会议NeurIPS 2019(Thirty-third Conference on Neural Information Processing Systems)于加拿大温哥华举行,投稿论文数量(6743篇)、参会人数(1.3万人)均创下历史新高。大会期间,微众银行人工智能首席科学家范力欣博士和高级研究员刘洋、谷歌研究科学家Brendan McMahan和Jakub Konečný 、新加坡南洋理工大学于涵教授,卡内基梅隆大学Virginia Smith助理教授组织主持了“实现数据隐私保护的联邦学习国际研讨会”(Workshop on Federated Learning for Data Privacy and Confidentiality in Conjunction with NeurIPS 2019),共有400余位来自国际知名高校及企业的AI领域专家、研究人员及从业者围绕联邦学习、差分隐私、安全多方计算、编码理论及激励机制等议题展开讨论,并为AI落地中的数据孤岛和数据合规利用问题提供了现实可行的解决方案。
联邦学习作为加密的分布式机器学习新范式,可以让各方在数据不出本地,保护数据隐私的前提下,进行联合建模,实现跨机构跨组织AI协作,为打破数据孤岛和数据隐私保护难题提供了新思路。在近两年数据监管越发严格的大环境下受到了国内外众多机构的关注。
此次研讨会吸引了众多学者参与联邦学习生态的建设,共收到6