联邦学习与可信机器学习研究项目启动

研究项目概览

南加州大学与某中心联合成立的安全与可信机器学习中心已选定首批五个研究项目，这些项目将探索可信机器学习的多个方面：

• 自然语言处理中的联邦学习（项仁与Mahdi Soltanolkotabi）
• 联邦学习中隐私与公平性的协调（Aleksandra Korolova）
• 基于生物行为数据的人本体验与感知建模联邦学习（Shrikanth Narayanan）
• 快速公平去中心化学习（Keith Burghardt）
• 通过安全性能加权在异构和受损环境中实现高效联邦学习（Jose Luis Ambite、Muhammad Naveed与Paul Thompson）

背景与目标

该中心成立于2021年1月，致力于支持机器学习隐私、安全性和可信度新方法的基础研究与开发。中心首任主任表示：“我们对南加州大学教师对首批项目征集的热烈响应感到鼓舞。最终我们决定比原计划多资助一个项目，选择了五个研究项目作为中心首年的资助对象。”

合作方评价

某机构Alexa AI副总裁兼中心执行联络人补充道：“我们对南加州大学教师提案的质量和多样性感到高兴，期待这些研究努力能够产生重要进展。”

南加州大学维特比工程学院院长评论道：“教师对本轮提案的强烈反应反映了我们在这个激动人心的研究领域拥有高质量的教师和学生，为与某机构的良好合作奠定了坚实基础。”

顾问委员会

中心顾问委员会成员包括南加州大学代表和某机构顾问委员会成员，他们在项目评审过程中提供了重要支持。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）