返回首页
登录

预告丨钟山论坛--网络安全暨数据治理高峰论坛

阅读量:155 2022-10-26 收藏本文

数据安全体系是支撑数据要素市场的“底板工程”,在数据安全建设中,需要系统化的治理、精细化的防护,并由国家、行业、高校和企业多方共同协作落地完成。本次CCF钟山论坛——网络安全暨数据治理高峰论坛,由南京航空航天大学计算机科学与技术学院/人工智能学院/软件学院主办,针对网络安全、数据治理等话题,开展深入的交流探讨,为加快建设网络强国、数字中国贡献智慧和力量。本次论坛积极拥抱区块链、Web3.0以及元宇宙等时下网络技术新潮流,突破圈层、打破壁垒,联合众多专家、学者聚焦新形势下的网络安全,展开新对话、新探讨、新碰撞,呈现虚实交融的网络安全、数据治理盛会,把握前沿趋势,紧扣时代脉搏,为构建数据安全治理框架新业态献智献策。

时间:2022年10月31日(周一)

腾讯会议号:411-118-661

密码:1031

 


专家简介

 

报告名称:人工智能安全的若干研究课题

报告摘要:人工智能技术的迅速发展带来了众多安全问题。我们围绕着与机器学习紧密相关的几个安全问题,对研究进展做一个简单介绍。

报告人简介:仲盛,从南京⼤学计算机系分别获得学⼠、硕⼠学位,从耶鲁⼤学计算机系理论组获得博⼠学位。曾在美国纽约州⽴⼤学布法罗分校计算机系任教,获得NSF CAREER Award,并提前晋升终⾝教职。现任南京⼤学⼆级教授、博⼠⽣导师,软件学院院⻓。兼任IEEE Computer Society南京分会主席、ACM南京分会主席。江苏省侨联副主席,江苏省政协委员。教育部CJ学者特聘教授, 国家杰出⻘年科学基⾦获得者,国家WR科技创新领军⼈才。全国证券标准化技术委员会委员,⼯信部商⽤密码应⽤推进专家委员会委员。⼊选教育部计算机专业优秀教师奖励计划,并获得江苏省教学成果特等奖(排名第⼆)。兼任国内外多家学术期刊编委。研究兴趣包括密码学、博弈论及其在计算机⽹络、分布式系统中的应⽤。


 

报告名称:基于区块链的隐匿通信技术

报告摘要:隐蔽通信和匿名通信可以保护网络通信行为以及通信实体之间关系,得到学术界和工业届广泛关注。但是在强对抗条件下,通信流量容易被全方位地深度检测,现有的隐蔽通信和匿名通信面临着严重的安全挑战。区块链去中心化结构、泛洪转发、匿名地址、海量日活跃用户和大规模交易等性质,为构建更为隐蔽、更难溯源、更加可靠的隐匿通信带来了新的机遇。报告主要介绍区块链赋能隐蔽通信和匿名通信的优势和挑战,基于区块链的隐蔽通信技术以及基于区块链的匿名通信技术等。

报告人简介:祝烈煌,北京理工大学网络空间安全学院特聘教授/党委书记,入选国家“万人计划”科技创新领军人才,科技部中青年创新领军人才、教育部新世纪优秀人才、中国通信学会网络与信息安全杰出人才。任国家重点研发计划“区块链”重点专项专家组成员、“基础科研条件与重大科学仪器设备研发”重点专项总体组专家,教育部“网络空间安全”教指委委员,中国人工智能学会智能信息网络专委会主任,中国计算机学会区块链专委会秘书长,多个国际重要期刊编委和国际会议程序委员会主席。长期从事网络与信息安全方向的研究工作,主持了包括国家重点研发计划项目/课题、国家自然科学基金重点项目、国防基础科研计划重点项目、国防科技创新特区项目等30余项国家级、省部级科研项目,在IEEE JSAC、IEEE TIFS、IEEE TDSC等领域内重要期刊发表SCI检索论文100余篇,获多个重要国际会议最佳论文奖,省部级科技奖励三项,指导博士生获国家一级学会优秀博士学位论文奖2项。


 

报告名称:无线网络隐私保护关键技术研究

报告摘要:近年来,无线网络得到飞速的发展,其中的隐私问题受到政府和业界的广泛关注。报告介绍了无线网络隐私保护的背景、隐私保护需求与总体架构,同时介绍了团队在无线网络隐私保护方面所做的工作。

报告人简介:李兴华,西安电子科技大学二级教授,博导,国家级高层次人才。现任网络与信息安全学院副院长,大数据安全教育部工程研究中心常务副主任,综合业务网理论及关键技术国家重点实验室副主任,科技部“十四五”规划“网络空间安全治理”重点专项专家。获得2019年中央网信办全国十大“网络安全优秀教师奖”、教育部科技进步一等奖、中国通信学会科学技术一等奖、陕西省科技工作者创新创业大赛金奖、银奖。先后主持国家自然科学基金重点类项目,重点研发项目课题等。授权国家技术发明专利50余项、国际PCT专利5项、美国技术发明专利1项。参与多项国际国内标准的制定。发表包括Usenix security、Infocom、IEEE TDSC、TIFS、TMC、TPDS、TKDE等在内的学术论文100多篇,出版专著4部\章。


 

报告名称Label Inference Attacks Against Vertical Federated Learning

报告简介:As the initial variant of federated learning (FL), horizontal federated learning (HFL) applies to the situations where datasets share the same feature space but differ in the sample space, e.g., the collaboration between two regional banks, while trending vertical federated learning (VFL) deals with the cases where datasets share the same sample space but differ in the feature space, e.g., the collaboration between a bank and an e-commerce platform.

Although various attacks have been proposed to evaluate the privacy risks of HFL, yet, few studies, if not none, have explored that for VFL. Considering that the typical application scenario of VFL is that a few participants (usually two) collaboratively train a machine learning (ML) model with features distributed among them but labels owned by only one of them, protecting the privacy of the labels owned by one participant should be a fundamental guarantee provided by VFL, as the labels might be highly sensitive, e.g., whether a person has a certain kind of disease. However, we discover that the bottom model structure and the gradient update mechanism of VFL can be exploited by a malicious participant to gain the power to infer the privately owned labels. Worse still, by abusing the bottom model, he/she can even infer labels beyond the training dataset. Based on our findings, we propose a set of novel label inference attacks against VFL. Our experiments show that the proposed attacks achieve an outstanding performance. We further share our insights and discuss possible defenses. Our research can shed light on the hidden privacy risks of VFL and pave the way for new research directions towards more secure VFL.

报告人简介:纪守领,浙江大学计算机科学与技术学院 ,浙江大学“百人计划”研究员、博士生导师、浙江大学党委组织部副部长(挂职)、滨江研究院国产信创研究中心副主任,获佐治亚理工学院电子与计算机工程博士学位、佐治亚州立大学计算机科学博士学位,入选国家青年人才计划。主要研究方向为人工智能与安全、数据驱动安全、软件与系统安全和大数据分析,发表IEEE S&P, USENIX Security, ACM CCS, KDD等CCF A类论文100余篇,研制的多个系统在大型平台上获得部署应用。获国家优秀留学生奖、ACM CCS 2021最佳论文奖等10项最佳论文奖、华为优秀技术成果奖、浙江大学先进工作者等。