2023年10月11日上午，新加坡国立大学计算机学院副院长何丙胜教授和加州大学伯克利分校博士后研究员李钦宾博士应邀在东五楼210学术报告厅作了题为“联邦学习系统：面向数据孤岛的高效机器学习系统”的学术报告。

何丙胜教授首先提出了现代社会信息安全的重要性，以深入浅出的形式引出联邦学习（Federated learning）发展的背景。联邦学习是在隐私限制下实现不同组织间机器学习模型协同训练的研究热点。何丙胜教授结合实际阐述了数据孤岛（Data Island）的概念，接下来展示了利用数据孤岛的特性，在能够保护用户隐私的情况下将众多设备中的数据进行训练的过程。他解释道在这种训练方式中存在着多种可能性，如何选择方案是未来工作的一个方向，最后对联邦学习系统的未来进行了展望。

李钦宾博士沿着何丙胜教授所提出的方向具体讲述了模型训练过程中的细节问题。李钦宾博士提出了在数据集充满差异的情况下模型的训练效果的问题，针对问题提供了不同的解决办法。在此之后又讲解了一种可用于联邦学习的决策树模型，该模型相对于神经网络模型具有规模小，训练时间大大减少等优势，非常适合表格型数据的决策。在最后，介绍了训练所面临的隐私问题和通信问题。

报告结束后，现场师生就报告中所涉及的用户参与项目的意愿问题，用户隐私数据的保护问题，模型训练等多方面问题进行了提问，何丙胜教授、李钦宾博士就相关问题进行了耐心细致的回答，解决了大家的疑惑，现场气氛十分活跃。经过热烈的讨论和交流，参与的师生都收获颇丰，报告在掌声中圆满结束。

何丙胜，现任新加坡国立大学计算机学院教授兼副院长。何教授本科毕业于上海交通大学，博士毕业于香港科技大学，随后在微软亚洲研究院担任研究员，新加坡南洋理工大学任教。目前的研究方向为云计算、数据库系统和高性能计算。在SIGMOD、IEEE/ACM ICCAD、PACT、IEEE TPDS和FPGA等顶级会议上多次获得“最佳论文奖”。多次主持IEEE CloudCom、ICDCS和ICDE等顶级国际会议和研讨会。担任IEEE TCC、IEEE TPDS、TKDE、DAPD和CSUR等国际期刊编辑委员会委员，是美国计算机学会杰出会员。

李钦宾，现为美国加州大学伯克利分校博士后研究员，师从Dawn Song教授。此前，于2022年获得新加坡国立大学计算机科学博士学位，师从何丙胜教授。2018年毕业于华中科技大学ACM班，获学士学位，师从金海教授、吴松教授。李博士于2021年获得谷歌博士奖学金。目前的研究方向包括机器学习、联邦学习、隐私、高性能计算和系统。

(通讯员：牟凌岳)