时空联邦学习：从数据孤岛到智能协同 | CNCC

个人简介｜CCF杰出会员，CCF物联网、嵌入式专委常务委员，分布式计算与系统、区块链专委委员。西安电子科技大学“华山学者”领军教授、西电二级教授、国家级人才，教育部区块链技术应用与测评工程研究中心副主任，陕西省智能人机交互与可穿戴技术重点实验室骨干，陕西省科技创新团队负责人，陕西省秦创原科学家+工程师团队首席科学家，ACM西安分会副主席，ACM中国图灵大会组委，CCF杰出会员，CCF物联网、嵌入式专委常务委员，分布式计算与系统、区块链专委委员。以第一完成人获：2022教育部技术发明二等奖、2021/2019陕西省高等学校科学技术特等奖/一等奖。出版国家重点图书出版规划教材《ZigBee技术原理与实战》。承担国家自然基金重点基金项目、陕西省科研项目等多项。在国际旗舰会议ACM Ubicomp、ACM Mobisys、IEEE/ACM期刊等发表论文多篇，获得2017 ACM Ubicomp 杰出论文奖（CCF A类）。

报告题目：面向物联网应用的联邦学习与推理优化关键技术研究

报告摘要：随着物联网应用、大模型、边缘智能技术的迅猛发展，联邦学习技术与推理优化技术成为研究的热点。本报告主要探讨面向物联网应用的联邦学习技术，如联邦大小模型协同、异构模型的联邦训练、联邦学习公平性。同时，讨论源受限下智能推理技术、模型压缩技术、语音／图像信息处理技术等。

个人简介｜CCF杰出会员、网络与系统安全专委会常委、物联网专委会常委、网络空间安全学会青工委副主任、电子学会网络空间安全专家委员会副秘书长、人工智能学会智能信息网络专委会常委。浙江大学教授，计算机学院院长助理，网络空间安全学院副院长，国家优青。研究方向包括智能物联网、人工智能安全、数据安全与隐私保护，发表CCF A类论文90余篇，多篇论文荣获最佳论文奖和最佳学生论文奖，入选全球前2%顶尖科学家榜单和爱思唯尔中国高被引学者榜单。主持多项国家级项目，研究成果服务于华为、阿里、蚂蚁、新华三、海康威视、杭州城市大脑等企业。荣获电子学会自然科学一等奖，浙江省自然科学一等奖、浙江省科技进步一等奖和IEEE 可扩展技术专委会职业中期研究成就奖等多个奖项。

报告题目：联邦学习的挑战与演进：迈向高效协同与安全可信

报告摘要：联邦学习通过数据不出域支持隐私保护下的多方协同训练。然而，在复杂应用场景中，设备异构与数据分布差异制约协同效率，模型更新的共享也引入隐私泄露的安全风险。随着大模型的发展，联邦学习进一步面临资源开销攀升、安全边界扩展等新挑战。如何统筹协同效率、隐私保护与模型安全，已成为联邦学习演进的核心问题。本报告将从联邦学习高效协同、风险防护与大模型联邦微调三个方面介绍我们的相关工作。

个人简介｜CCF区块链专业委员会主任扩大会议成员，新工科联盟区块链工委会秘书长。北京理工大学人工智能学院副院长，北京中关村学院副院长，教授，博士生导师。2022年入选国家级青年人才计划，同期入选爱思唯尔“中国高被引学者年度榜单”，2021年入选全球前2%顶尖科学家榜单。长期从事网络空间安全领域的科研工作，近年来聚焦大模型安全、隐私计算等领域。主持科技部重点研发项目课题、国家自然科学基金重点项目等10余项科研项目；发表SCI/EI论文200余篇，含ESI高被引论文10篇，获国际会议/期刊最佳论文奖10余项，谷歌学术引用14000余次，H-index指数61；申请专利70余项；合著教材5部。担任IEEE技术与工程管理学会区块链专委会联合主席，中国计算机学会区块链专委会常务委员，新工科联盟区块链工委会秘书长，担任期刊Blockchains主编，担任多个国际会议程序委员会主席，担任多个SCI学术期刊编委，IEEE高级会员（IEEE Senior Member）；担任中国国际电视台（CGTN）特邀专家。

报告题目：面向跨域可信数据共享的异构联邦学习探索

报告摘要：在数据安全与隐私保护日益重要的背景下，联邦学习作为打破“数据孤岛”的关键技术受到广泛关注，但实际场景中仍面临数据分布差异、模型异构、通信效率与持续学习等多重挑战。本报告围绕跨域异构联邦学习中的安全问题，对相关技术路径进行了梳理与探讨，介绍了面向数据异构的域适应表征方法、面向持续学习的多域蒸馏机制、面向标签稀缺场景的对比聚类方法，面向纵向场景的隐私保护嵌入协同训练框架与原型增强的持续学习机制等关键技术。结合金融、医疗等典型领域的落地需求，探讨了相关技术在实际应用中的可行路径与发展前景。

个人简介｜西安交通大学网络空间安全学院院长，长江学者特聘教授，国家重点研发计划首席科学家，爱思唯尔中国高被引学者。长期从事通信网络安全、信息安全、人工智能安全研究。获IEEE MetaCom2023、IEEE VTC2023-Fall、IEEE WCNC2023、IEEE ICC2020等国际会议最佳论文奖。牵头获得陕西省自然科学一等奖。任IEEE VTS Xi’an Section Chapter主席。

报告题目：面向多源异构环境的联邦学习隐私保护

报告摘要：在多源异构环境中，联邦学习节点表现出数据分布异构、安全信任缺失以及服务需求多样等特性，使联邦学习面临更加严峻的隐私保护挑战。本报告聚焦于多源异构环境中联邦学习中的数据隐私保障，探讨包括跨阶段隐私保护、自适应抗投毒、零信任质量验证与个性化联邦学习等多源异构环境中的联邦学习隐私保护关键技术。

个人简介｜CCF杰出会员、杰出传播者，CCF成都秘书长，YOCSEF成都学术委员会（22-23）主席，CCF数字金融分会常务委员、大数据专委执行委员、大模型论坛执行委员。西南财经大学计算机与人工智能学院副院长、教授、博士生导师，互联网金融创新及监管四川省协同创新中心主任。长期从事机器学习、数据挖掘与金融科技等研究，聚焦人工智能理论和方法在金融风控、合规审查、财务监管等场景的研发应用，入选“全球前2%顶尖科学家榜单”和“天府青城计划”科技创新领军人才。兼任成都市科技青年联合会副主席，中国人工智能学会（CAAI）高级会员、粒计算与知识发现专委常务委员，四川省人工智能学会常务理事等。主持国家自然科学基金、教育部及省科技厅等科研项目10余项。在IEEE TPAMI、IEEE TKDE、CVPR、KDD、ICLR、ACL、WWW、AAAI、MM、IJCAI和中国科学：信息科学、计算机学报、软件学报等CCF推荐高水平期刊/会议发表论文100余篇，主编教材/专著/译著7部，授权国家发明专利20余项，担任国际杂志Human-Centric Intelligent Systems（EI检索）执行主编和10余个国际会议主席、程序委员会主席等，自主研发并发布了国内首个会计教育垂直领域大语言模型AccMind和数智会计教育平台“智会”，相关成果曾获四川省科技进步二等奖/三等奖和吴文俊人工智能科技进步二等奖等。

报告题目：多智能体群智协同新范式：联邦持续学习的理论、技术与应用研究

报告摘要：多智能体群智协同强调分布式智能体之间的知识共享与持续演化，传统机器学习方法难以兼顾数据隐私保护与时序任务的知识积累，亟需联邦持续学习这一新型机器学习范式。本报告围绕多智能体群智协同新范式，阐释联邦学习与持续学习融合的核心机理，梳理联邦持续学习领域的前沿研究进展，剖析在多智能体场景下面临的知识遗忘、异构环境协同等关键技术挑战，最后结合金融行业等典型场景介绍该范式的落地潜力和未来研究方向。

CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。