数字时代,隐衷和宁静正成为一个关键问题。公司和组织每天都在收集大量的数据,然而数据隐衷爱护相关法律法规越来越严格,给大数据和人工智能带来了新的挑衅。例如欧盟的《通用数据爱护条例》(General data Protection Regulation,GDPR)就明确提出,禁止在没有明确用户受权的情况下,直接合并来自不同来源的用户数据进行AI建模。
为了探索AI如何适应这种新的监管环境,微众银行、京东、第四范式等中国企业共同香港科技大学、新加坡南洋理工大学、普林斯顿大学等国内知名高校及科研院所,将在第30届人工智能国内共同会议(IJCAI'21)组织为期一天的研讨会:IJCAI 2021 解决数据稀疏性与隐衷爱护的联邦进修与转嫁进修国内研讨会(International Workshop on Federated and Transfer Learning for Data Sparsity and Confidentiality in Conjunction with IJCAI 2021,FTL-IJCAI'21)。
本次研讨会将重点讨论遵守隐衷爱护和宁静原则的机械进修系统,旨在提供一个讨论开放问题的论坛,并分享在宁静和隐衷爱护兼容机械进修的研究和使用方面理论与使用研究的最新突破性工作。
相关投稿请留意如下截止时间:
Submission Due: May 05, 2021
Notification Due: May 25, 2021
Workshop Date: August 21~22, 2021
征稿侧重于解决以下挑衅:
宁静和合规性:如何满足宁静和合规要求?该解决方案是不是确保了数据隐衷和模型宁静?协作和扩大解决方案:该解决方案是不是连接了来自不同方面和行业的不同业务伙伴?该解决方案是不是利用和扩大了数据的价值,同时爱护了用户隐衷和数据宁静?提升和受权:解决方案是不是可持续和智能?它是不是包括鼓励缔约方持续参与的激励机制?它是不是促进了一个稳定和双赢的商业生态系统?
征稿主题包括但不限于:
1)手艺:
匹敌性进修,数据下毒,匹敌样本,匹敌鲁棒性,黑白盒攻击及防御隐衷爱护进修协议与体系结构自动联邦进修联邦进修与分布式隐衷爱护算法联邦转嫁进修人机交互隐衷感知机械进修激励机制与博弈论隐衷感知知识驱动的共同进修用于机械进修的隐衷爱护手艺(宁静多方计算、同态加密、秘密共享手艺、差分隐衷)人工智能的责任性、解释性和可解释性隐衷宁静,隐衷和效率之间的权衡
2)使用
使AI符合GDPR要求的方法群体智能数据价值与数据联盟的经济性分布式进修的开源框架人工智能解决方案的宁静评估行业中数据宁静和小数据挑衅的解决方案数据隐衷和宁静标准
如有查询,请电邮至[email protected]。
进入官网了解详情:http://federated-learning.org/fl-ijcai-2021/
原创文章,作者:新闻助手,如若转载,请注明出处:https://www.iaiol.com/news/zheng-gao-ijcai2021-lian-bang-jin-xiu-yu-zhuan-jia-jin-xiu/