应对数字时代隐私安全新挑战，联邦学习首届国际研讨会将于IJCAI 2019召开

　　2019年8月10日至8月16日，第28届国际人工智能联合会议(IJCAI)将于中国澳门隆重召开。其中，微众银行将在今年 IJCAI 会议上与IBM等机构联合举办首届联邦学习国际研讨会(The 1st International Workshop on Federated Machine Learning for User Privacy and Data Confidentiality)，预计将有超过100位在联邦学习领域有深入研究的国际领先的科学家和学者参与会议，发表联邦学习最前沿和最先进的成果。

　　本次联邦学习主题研讨会邀请到了IBM阿尔玛登研究中心的Shahrokh Daijavad博士与谷歌的JakubKonečný博士作为主讲嘉宾。本届IJCAI 理事会主席、微众银行首席人工智能官杨强教授将在会上开场致辞并主持圆桌会，邀请知名专家在现场与参会者进行深度互动，一起探讨联邦学习未来的发展方向。

　　自去年5月25日欧盟《通用数据保护条例》正式实施以来，数据隐私和安全逐渐成为数字时代的关键问题。这项被称为“史上最严厉”的数据隐私保护法案强调，收集用户数据必须公开、透明。对于人工智能领域而言，数据所有者在解锁数据值的过程中必须更加谨慎。可以说，GDPR法规的建立向传统的数据处理模式提出了全新的挑战。因此，探索人工智能如何适应全新的监管现实成了重中之重，本次联邦学习主题研讨会也应运而生。

　　联邦学习作为新兴的人工智能基础技术，为解决数据监管与人工智能发展的矛盾提供了示范。联邦学习实际上是一种分布式加密机器学习，可以保证在参与方数据不出本地的前提下共同建模。它既能提升机器学习的效果，又可以保护数据的隐私与安全，目前在金融、医疗等行业中已经有着广泛的应用前景。本次研讨会的主讲嘉宾——IBM的Shahrokh Daijavad博士与谷歌的JakubKonečný博士便将围绕“联邦学习”发表演讲，分享多种解决方案和突破性成果。

　　除了邀请专家发表演讲，本次联邦学习主题研讨会还将组织多场圆桌会，为学术界和工业界的联邦学习研究者提供更多交流机会，共同探讨应对挑战的新思路。在联邦学习的技术下，来自不同行业、不同业务的合作伙伴如何打破行业隔阂，完成沟通?在保证了用户隐私和数据安全性的同时，数据价值能不能得到最大程度的扩展?应对数据监管与人工智能发展的基本矛盾之外，建立起稳定、双赢的商业生态系统的长久目标该如何完成?本次联邦学习主题研讨会希望通过多方深入会谈，推动联邦学习研究学者之间的相互了解，彼此擦出更多思想的火花。

　　本次联邦学习主题研讨会的筹备备受瞩目，共收到40多篇联邦学习领域学者的投稿，其中25篇优秀论文的作者将来到现场做报告。报告设置的主题包括“隐私、安全和系统的鲁棒性”、“系统的效率、交互和基础设施”、“联邦学习的机制设计、政策和应用”，这是目前联邦学习领域中值得深入研究和探讨的子领域。参会者将在会上共同评选出最佳论文奖、最佳演讲奖、最佳学生论文奖三大奖项，用以激励该领域的研究者和学生。同时，优秀论文也将同步在IEEE Intelligent Systems特刊上出版，以此推动学界更多人参与讨论。

　　研讨会负责人微众银行人工智能部高级研究员刘洋表示，“我们举办这个联邦学习主题研讨会的出发点是期望借此推动联邦学习生态的建设，希望学术界、企业界以及法律、监管机构都能够对联邦学习这项技术有更深入的了解，并希望更多的企业加入到这个生态中来。同时，我们也希望能借此机会搭建一个平台，让有志于做联邦学习方向的学生找到合适的研究团队。”

　　IJCAI 2019联邦学习主题研讨会是一个起点，期待学术界和工业界对联邦学习这个方向展开更深入的技术研究、落地和推广，共同探讨人工智能的现状和未来。

　　了解更多：http://fml2019.algorithmic-crowdsourcing.com/programme/