IJCAI 2022 China 隐私计算与联邦学习论坛 (IJCAI 2022 China PCnFL)

题目: 可信联邦学习前沿技术及应用

演讲人: 杨强，香港科技大学计算机与工程系讲席教授和前系主任，微众银行首席人工智能官

简介
杨强，加拿大工程院及加拿大皇家科学院两院院士，微众银行首席人工智能官，香港科技大学计算机与工程系讲席教授和前系主任，AAAI-2021 大会主席，国际人工智能联合会（IJCAI）理事会前主席，香港人工智能与机器人学会（HKSAIR）理事长，智能投研技术联盟（ITL）和开放群岛开源社区 (OI) 主席，ACM TIST 和 IEEE TRANS on BIG DATA 创始主编，CAAI，AAAI，ACM，IEEE，AAAS 等多个国际学会 Fellow。领衔全球迁移学习和联邦学习研究及应用，著作包括《迁移学习》、《联邦学习》、《隐私计算》和《联邦学习实战》等。

题目: MetaFed：一种基于环形知识蒸馏的层次化对等联邦学习框架

演讲人: 陈益强，中国科学院计算技术研究所所务委员/研究员、智能研究部主任

简介
陈益强，中国科学院计算技术研究所研究员、博士生导师、国务院政府特殊津贴专家，国家级领军人才。目前担任移动计算与新型终端北京市重点实验室主任、泛在计算系统研究中心主任。从事人工智能和普适计算方向研究，在 IEEE TKDE、AAAI 等人工智能与普适计算领域国际重要期刊和会议上发表论文 200 余篇，获得包括 IJCAI-FL 最佳应用论文奖、IJIT十五周年最佳论文奖等在内的会议最佳论文奖 6 项；申请发明专利 100 余项，授权 50 余项；相关成果获得国家及省部级科技奖项 7 项；兼任CCF会士，IEEE可穿戴与智能交互技术委员会创始委员，国家“现代服务业”重点专项的总体专家组成员等。

题目: 联邦学习系统中效率-安全-性能平衡探索

演讲人: 刘洋，清华大学智能产业研究院副研究员

简介
刘洋，清华大学智能产业研究院副研究员/副教授， 普林斯顿大学博士，清华大学本科毕业。曾任深圳前海微众银行股份有限公司资深研究员、联邦学习研究团队负责人。她拥有30余项国际国内授权专利，并在Nature、 AAAI、 IJCAI、 USENIX、ACM TIST 等知名学术期刊发表科研成果。她是《联邦学习》和《Federated Learning》的主要作者之一。她担任ACM TIST期刊编委，曾担任IEEE Intelligent Systems，IEEE TBD等期刊客座编辑；曾获CCF科学技术奖科技进步杰出奖，AAAI人工智能创新奖等多个奖项，获评MIT TR中国隐私计算科技创新人物。

题目: Contribution and Fairness-Aware Federated Learning

演讲人: 于涵，新加坡南洋理工大学计算机科学与工程学院南洋助理教授

简介
于涵博士现任新加坡南洋理工大学计算机科学与工程系南洋助理教授。2015至2018年间，他在百合乐龄科技研究中心担任李光耀研究员。他于2007取得南洋理工大学计算机工程系一等荣誉学士学位，并于2014年取得南洋理工大学计算机工程系博士学位。2007至2008年间，他在惠普新加坡担任嵌入式软件工程师职务。他的研究主要致力于联邦学习及其应用，并参与共同创立了TrustFUL可信赖联邦普适学习实验室。他的科研成果在AI国际学术会议及期刊上发表多篇论文，并多次在AAAI和IJCAI等前沿国际会议及期刊中获奖。

题目: Cross-User Federated Recommendation

演讲人: 潘微科，深圳大学软件工程研究中心副主任

简介
潘微科，博士，深圳大学计算机与软件学院副教授，博士生导师。2005年毕业于浙江大学获学士学位，2012年毕业于香港科技大学获博士学位。主要研究方向为迁移学习、联邦学习、推荐系统和机器学习，已发表约100篇科研论文，出版推荐技术教材一本，曾获ACM TIIS 2016年度最佳论文奖和SDM 2013最佳论文提名奖。先后主持国家自然科学基金项目3项。（曾）担任AAAI 2021线上会议的副主席、ACM TORS的创刊编委、Neurocomputing的编委、Frontiers in Big Data-Recommender Systems的编委、IEEE Intelligent Systems的客座编委等。曾被评为深圳大学首批“新锐研究生导师”（2019 年）、深圳市优秀教师（2020 年）和深圳大学青年之友（2022年）。

题目: 联邦深度学习:最新进展和应用

演讲人: 程勇，腾讯 Angel PowerFL 隐私计算平台负责人

简介
中国专利审查技术专家，腾讯Angel PowerFL隐私计算平台负责人，于2013年获得德国达姆施塔特工业大学博士学位，主要研究方向包括深度学习、联邦学习、分布式计算、应用密码学、KV存储系统，发表期刊和会议论文20余篇，提交发明专利申请50余项，已获授权发明专利20余项，是英文版和中文版《联邦学习》专著主要撰写人之一，其负责的PowerFL平台获得2021年数博会“领先科技成果奖”，带领团队获得2020年和2021年iDASH隐私计算大赛冠军。

题目: 数字教育领域的隐私计算应用初探

演讲人: 范晓亮，数字福建城市交通大数据研究所（厦门大学）常务副所长

简介
范晓亮，厦门大学信息学院高级工程师/硕导，数字福建城市交通大数据研究所（厦门大学）常务副所长。法国巴黎六大计算机博士。研究兴趣：图联邦学习。主持3项国家自然科学基金、百度、腾讯、厦门轨道集团等产学研项目，牵头高等教育隐私计算团体标准。在AAAI、IJCAI、TMC等会议期刊发表论文70篇。IEEE高级会员，CCF高级会员，CCF服务计算专委会执委。