英国华威大学何黎刚教授和布鲁内尔大学李茂贞教授访问中北大学

　　近日，英国伦敦布鲁内尔大学李茂贞教授，英国华威大学何黎刚教授在中北大学图书馆五层学术报告厅分别进行了题为“Preserving Data Privacy in AI”和“Improving Training Efficiency and Quality of Federated Learning”的学术报告。

　　李茂贞教授于1997年在中国科学院软件研究所获得博士学位，于1999-2002年在英国卡迪夫大学的计算机科学与信息学院完成博士后研究，现为英国伦敦布鲁内尔大学电子与电气工程系教授。他的主要研究方向为高性能计算，包括云计算和边缘计算、大数据分析以及在智能电网和智能城市中应用的智能系统。最近，李教授致力于深度神经网络相关的一些研究，如可信度、鲁棒性、可解释性以及数据隐私等。李教授在相关领域出版专著5部，发表学术论文100多篇，现任英国计算机学会和电子工程学会（IET）的会士。

　　李茂贞教授从提高设计人工智能算法的隐私保护意识出发，介绍了当前人工智能算法数据隐私保护的主要研究方向。李老师首先分析了欧盟的通用数据保护条例(GPDR)，指出AI应如何遵守GPDR关于数据隐私的规定，然后回顾了可用于设计保护隐私的人工智能算法的技术，最后介绍了自己团队在AI数据隐私保护领域中的最新研究成果。

　　何黎刚教授本科和硕士毕业于华中科技大学，后赴英国华威大学计算机系攻读博士，毕业后赴英国剑桥大学进行博士后研究，现为华威大学计算机系教授。主要研究方向为并行分布式处理、分布式人工智能算法、云计算、高性能计算和大数据处理。在国际权威期刊和会议上发表论文180余篇，是IEEE和IEEE Computer Society成员，担任多个国际期刊的编委以及国际学术会议的程序委员会成员或会议主席，主持和承担过英国、欧盟及企业界多个研究项目。

　　何黎刚教授首先从改进联邦学习的训练效率与质量入手，提出一种半异步的联邦学习方法，然后，为了进一步改进联邦学习的训练效率与质量，何老师将半异步联邦学习方法扩展到了移动边缘云系统。最后，何老师提出了一种低质量数据基础下，降低数据源对联邦学习模型质量和训练效率影响的改进方法。

　　李茂贞、何黎刚两位教授的报告深入浅出、引人入胜，使大家对处理人工智能算法中数据的隐私保护、联邦学习方法以及联邦学习训练效率与质量的改进有了更加深刻和全面的认识。报告开拓了与会师生的学术视野，对多个领域的研究人员均有深刻启发，与会人员均获益匪浅。

　　举报/反馈