YEF | 主动隐私

万物互融时代数据信息指数式增长，数字经济繁荣发展，但用户的隐私安全也受到了前所未有的挑战。以OPPO为代表的多家厂商提出构建全体系“主动隐私”方案，通过数据合规、数据治理、隐私计算和AI赋能的整体建设，推动用户在稳定获得高质量智能服务的同时，更加全面地保护数据隐私、保护数据所有权和使用权不受损害。“主动隐私”的实现，需要法规方研判隐私与数据法案的安全包络线，需要终端设备制造商通过软硬件打造安全、可信赖的基础设施，需要智能服务提供方综合隐私计算以及AI能力构建高效的隐私保护解决方案，从而构建完整的以用户隐私为基础的智能服务，切实保障用户隐私安全与利益。

本论坛旨在从主动隐私所涉及的法规、前沿科技、技术理论与工程实践层面，发起具有战略性、创新性和协作性的思辨，从隐私法规、端云融合、隐私增强技术等方向，与学术界、产业界共同探索主动隐私的内涵与发展，推动以用户隐私为中心的智能服务的研发探索，让用户既能获得高效、高质量的智能服务，又能充分保护其隐私安全。

开场主题：基于数据服务需求的数据合规及隐私科技

摘要：平衡数据权利保护和数据流动、利用之间的关系，是数据法最为核心的议题。但这并不是二选一的问题，而是要求两手都要强，两者都要硬。事实上，数据合规首先是一种监管性合规，而与之相对应的隐私科技则应当是监管科技，由此，我们需要从数据服务的需求侧出发，来重构数据合规、隐私科技以及隐私计算的关系。

报告人：何渊，上海交通大学，副教授，上海交通大学数据法律研究中心执行主任

简介：何渊，法学博士，美国乔治城大学高级访问学者。上海交通大学数据法律研究中心执行主任，上海交通大学法学院副教授。首届上海市公共数据开放专家委员会委员，上海数据治理与安全生产发展专业委员会专家，中央财经大学大数据法制中心研究员，上海市法学会行政法学研究会秘书长，江苏省大数据交易和流通工程实验室“数据安全委员会”专家委员，上海市闵行区法院行政争议多元调处中心调处委员。入选上海“浦江人才计划”，曾在上海市委办公厅挂职锻炼一年。研究领域聚焦于数据治理与合规、个人信息保护、网络安全法及行政法等。

报告主题：联邦学习和拆分学习：概述及优化

报告摘要：联邦学习和拆分学习是两种主流的隐私计算学习范式，被普遍应用于构建隐私保护机器学习算法。两种学习范式在使用时会面临各种各样的挑战，如数据的非独立同分布问题，数据稀疏性问题，以及通信效率问题。本次报告将讲解两种隐私计算学习范式，介绍其面临的挑战，并提出若干优化方法。

报告人：陈超超，浙江大学，特聘研究员，浙江大学现代服务创新实验室副主任

简介：陈超超，现任浙江大学计算机科学与技术学院特聘研究员，现代服务创新实验室副主任，曾任蚂蚁集团高级算法专家。主要研究方向为隐私保护机器学习、分布式机器学习、图机器学习和推荐系统等。他于2016年获得浙江大学博士学位，并于读博期间在UIUC担任访问学者。他曾作为主要骨干获得了2020 年度“CCF科学技术奖”-科技进步卓越奖以及2021年度中国人工智能学会“优秀科技成果奖”。他曾在NeurIPS，WWW，ACM MM，SIGIR，ICDE，KDD，AAAI，IJCAI，TKDE，TDSC，TKDD等国际会议和期刊发表论文70余篇，申请国内外发明专利200余项，其中授权100余项。近年来他担任多个国际顶级会议的程序委员会委员或高级程序委员会委员，担任多个国际顶级期刊审稿人。

报告主题：同态加密：原理、实现与应用

报告摘要：同态加密是隐私计算的重要技术基础，本报告将首先介绍同态加密的基本原理及其发展，以及同态加密发展中的典型方案。随后，从同态加密的实现与应用两个角度呈现最近的前沿进展，包括同态加密算法基于CPU、GPU、定制硬件的加速方法，同态加密在机器学习隐私保护中的应用等。最后将介绍我们在基于同态加密的隐私计算领域的一些未来工作。

报告人：葛春鹏，山东大学，研究员，国家级青年类人才

简介：葛春鹏，山东大学，研究员，博导，2016年在南京航空航天大学获得博士学位。曾在澳大利亚卧龙岗大学和新加坡技术和设计大学从事博士后研究。其研究方向包括云计算中的隐私保护、区块链、人工智能安全和隐私。在IEEE TDSC、TPDS、WWW等国际期刊和会议上发表了高水平论文60多篇，是SCI期刊Computer Standards & Interfaces的编委以及30多个国际会议的程序委员会委员。

报告主题：高效安全的边缘智能：前沿与进展 

报告摘要：边缘计算与人工智能的结合催生了边缘智能，它融合了网络、计算、存储、应用核心能力的新兴技术，通过将智能算法部署在更贴近用户的边缘设备，能够更高效地为用户提供高质量和隐私保护的智能服务。相比云端人工智能计算与处理模式，边缘智能具备低功耗性、低时延性、高隐私安全性和贴近用户等优势。边缘智能近年来已成为了学术界的研究热点。本报告将聚焦边缘智能的前沿与发展，并介绍我们在边缘智能及其协同技术的一些初步探索。 

报告人：周俊龙，南京理工大学，副教授 

简介：周俊龙博士现为南京理工大学计算机学院副教授，CCF嵌入式系统专业委员会副秘书长，CCF体系结构专业委员会委员，CCF容错计算专业委员会委员。主要研究领域包括计算机体系结构、边缘计算、嵌入式系统。在IEEE TC、TCAD、TPDS、TDSC等国际重要期刊和会议发表论文100篇，主持国家和省部级科研基金10余项，任JSA等5个国际期刊编委，10余次国际会议主席，获江苏省优青、江苏省计算机学会青年科技奖、上海市计算机学会优博等奖励，多次获得国际会议最佳论文奖，连续三年入选全球前2%顶尖科学家榜单。

报告主题：主动隐私：端-云互融隐私计算视角 

报告摘要：随着越来越多的数据产生，用户隐私保护日益成为关注热点。一方面人们需要利用数据进行价值挖掘，为用户带来更好的体验；另一方面数据流通过程中带来的隐私泄露等安全问题突出，且行业还面临日益严苛的法律条款和监管要求。隐私计算技术为解决上述问题提供了一种可行的解决方案。用户端侧设备（如手机、手表等）作为最接近数据源头的载体和数据流转的出入口，如何在安全合规的前提下，充分发挥数据价值给用户带来个性化服务体验已成为近几年学术界和工业界的研究热点。本报告将围绕主动隐私，从端云互融隐私计算视角出发，介绍该领域的前沿与发展，并介绍OPPO在该方向上的一些初步探索、实践及思考。

报告人: 孟丹，博士，OPPO研究院高级隐私计算研究员

简介：孟丹博士现为OPPO研究院高级隐私计算研究员，负责隐私计算平台的研发工作以及隐私计算在业务场景中的应用。主要研究领域包括隐私计算、AI安全、深度学习。在国际会议、期刊发表论文20余篇，申请专利50余项，是隐私计算领域多项国际、国内标准的主要参与人和起草人。