2022年度CCF-蚂蚁隐私计算专项科研基金结果公布

阅读量:1574 2022-09-13 收藏本文

在数据要素流通大背景下，行业面临网络空间安全与数据安全的新挑战。隐私计算是兼顾数据安全和数据流通的关键技术，涵盖了密码学、系统安全、机器学习、可信硬件等多种学科，包含多方安全计算（MPC）、联邦学习（FL）、可信执行环境（TEE）、可信密态计算（TECC）等多种技术路线，涉及众多专业技术栈，推动隐私计算技术进步，需要从产业界和学术界共同努力。

7月，在蚂蚁可信隐私计算框架“隐语”开源发布会上，蚂蚁集团和 CCF 联合推出百万级隐私计算专项科研基金。面向全球优秀学者，开放“开源隐私计算平台的安全性研究”、“隐私保护下的端云推荐模型”、“后量子 MPC 研究”等 16 个隐私计算相关前沿探索类课题和 11 个实践论证类课题，推进隐私计算的技术研究，产出高质量高水平的研究成果，推进数据安全领域前沿技术探索与落地。

本期CCF-蚂蚁隐私计算专项科研基金受到了科学家们的广泛关注，共吸引101位学者积极申报，覆盖北京大学，浙江大学、上海交通大学、中山大学、华中科技大学等47所高校。

最终，通过CCF和蚂蚁集团的专家委员会的专业评审，来自16所高校的20个项目脱颖而出，每个项目将获得25-40万元资金支持。以下是本年度隐私计算专项科研基金入选学者名单（按照姓氏字母顺序排列）

类别	课题名称	高校	老师
A类	预训练模型的隐私保护	华东师范大学	陈岑
	隐私保护推荐算法	浙江大学	陈超超
	基于 MP-LWE 的安全多方计算研究	广州大学	陈文彬
	小程序中用户隐私数据合规分析	西安交通大学	范铭
	多传感器数据融合下的深度学习隐私保护算法研究	北京大学	郭耀
	面向垂直联邦学习的隐私脆弱性与安全风险评估技术研究	浙江大学滨江研究院	韩蒙、林昶廷
	基于软硬件协同设计的全同态计算 FPGA 加速器研究	山东大学	鞠雷
	跨域自适应协同多角度医疗隐私图像鲁棒性脱敏技术研究	武汉大学	雷诚
	基于邻居重构的高效联邦图学习研究	浙江大学	刘健
	隐私保护下的端云推荐模型	华中科技大学	李瑞轩
	隐私计算下多边市场的联合建模与优化技术研究	四川大学	吴鹏
	基于关键密码技术的高效生物特征处理技术研究	重庆大学	向涛
	基于特征扰动的多场景通用可解释框架研究	北京航空航天大学	庄福振
	基于 Rust 安全特性的 TEE OS 架构	南方科技大学	张殷乾
B类	SecureNN 密态协议研究和优化	北京航空航天大学	郭华
	具有隐私鲁棒性的高效安全四方计算协议研究与实现	哈尔滨工业大学（深圳）	蒋琳
	联邦学习安全性评估平台	上海交通大学	李高磊
	非同分布可迁移的人脸表征嵌入通用对抗扰动生成方法	上海大学	孙广玲
	Shamir Secret Sharing	青岛大学	于佳
	适用于机器学习的零知识证明协议设计与实现	北京航空航天大学	张宗洋

<<< 上一篇产学研联合助力双碳，业内首支“绿色计算专项

为助力数据安全流通，蚂蚁集团正式开源可信隐下一篇 >>>

<<< 下一篇为助力数据安全流通，蚂蚁集团正式开源可信隐