2020年3月17日，第三十期方班学术研讨厅以线上形式成功举行。广州大学网络空间先进技术研究院名誉院长方滨兴院士、方班部分老师及方班二期全体同学参加了本次研讨厅。林学民、张彦春、周晓方等三位国外专家，参与并“现场”指导了三个教学班。
题目：联合学习场景下隐私保护问题的研究
报告人：冯纪元
本报告首先介绍了什么是联合学习场景，以及联合学习场景下的隐私和安全问题，并对具体的隐私问题做了详细的介绍。然后基于这些隐私问题，详细介绍了联合学习场景下的隐私保护方法体系，并对其中常用到的安全多方计算和差分隐私机制做了详细的介绍。最后基于现有的研究基础，提出将差分隐私机制中的贝叶斯机制和函数加密方法结合起来进行隐私保护研究的设想。
资料来源：
[1] Hitaj B , Ateniese G , Perez-Cruz F . Deep Models Under the GAN: Information Leakage from Collaborative Deep Learning[J]. 2017.
[2]Wang Z , Song M , Zhang Z , et al. Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning[J]. 2018.
[3]Bonawitz, Keith, et al. Practical secure aggregation for privacy-preserving machine learning. Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security. 2017.
[4]Reza Shokri, Vitaly Shmatikov. Privacy-Preserving Deep Learning[C]// ACM Conference on Computer and Communications Security (CCS). ACM, 2015.
[5]Truex, Stacey, et al. A hybrid approach to privacy-preserving federated learning. Proceedings of the 12th ACM Workshop on Artificial Intelligence and Security. 2019.
[6]Xu, Runhua, et al. HybridAlpha: An Efficient Approach for Privacy-Preserving Federated Learning. Proceedings of the 12th ACM Workshop on Artificial Intelligence and Security. 2019.
