微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：近日，著名影星斯嘉丽·约翰逊指责 OpenAI 在未经她本人同意的情况下使用酷似她声音的 AI 语音，要求 OpenAI停止使用并删除她的声音。这一争议被埃隆·马斯克评价为现实版“黑镜”，引发了对数据所有权和隐私保护的广泛讨论。联邦学习作为一种隐私保护的分布式计算范式，通过在数据不出本地的前提下传递模型参数实现共享。然而，联邦学习也面临着数据所有权的问题。欧盟的《通用数据保护条例》(GDPR) 和美国的《加州消费者隐私法》(CCPA) 对数据所有权中的被遗忘权提出了关键要求，《中华人民共和国民法典》对数据删除权也作出了明确规定。这一权利允许数据从已经训练完成的模型中有效地移除。由于联邦学习训练过程中存在随机性和增量更新，如何在完全删除数据影响的同时维持模型的可用性是面临的全新挑战。报告首先介绍联邦遗忘学习的基础概念和实现方式，随后分享在减少通信开销、自适应和可扩展遗忘、动态遗忘客户端选择方面的最新研究工作，最后探讨联邦遗忘学习的应用方向。
讲者简介：高志鹏，北京邮电大学网络与交换技术全国重点实验室教授、博导。现为中国计算机学会数据治理发展委员会秘书长，“链网融合技术”教育部工程研究中心副主任，中国通信学会数据安全专委会副主任，“大数据智能管理与分析技术”国地联合工程研究中心副主任，中国互联网协会学术工委副秘书长，中关村区块链产业联盟理事，第四届中国证券技术标准化委员会委员，中国计算机学会理事、YOCSEF 主席 (2023-2024)、区块链 / 大数据专委会执行委员，中央网信办“国家区块链创新应用试点”专家组成员，国家发改委区块链专项、数字经济专项等多个专项的专家组成员。
CCF第39届中国计算机应用大会
数据要素流通与安全治理 - 大规模数据要素交互安全探索
京公网安备11010802032778号