• 统计研究中心
当前位置: 首页 > 系列讲座 > 正文

OPPO研究院齐越博士:隐私计算在保护用户敏感数据上的实践与挑战

光华讲坛——社会名流与企业家论坛第 5882 期

隐私计算在保护用户敏感数据上的实践与挑战

主讲人OPPO研究院齐越博士

主持人统计学院林华珍教授

时间20211027日(周三)上午1100-1200

直播平台及会议ID:腾讯会议,ID: 255 253 083

主办单位:统计研究中心和统计学院 科研处

主讲人简介:

齐越,OPPO研究院资深机器学习研究员,数据智能研究部部长,机器学习总监。本科毕业于中国科学技术大学少年班学院,博士毕业于美国密苏里大学。博士毕业后加入SAS公司美国总部任高级科学家,后回国加入陆金所任人工智能团队负责人。2020年初加入OPPO,负责数据智能算法研究,其中包括用户隐私保护相关算法。

内容提要:

近些年,移动互联网的飞速发展极大的改变了人们日常生活方式和行为习惯,在越来越多的场景下(如社交,购物,信贷,缴费等),越来越多的人们开始通过手机端作为媒介来与外界进行信息交互。伴随而来的是商品及服务提供方获客渠道的颠覆,即从传统的线下推广和全量线上广告,到基于特定需求个体或群体的线上推广,从而用更小的成本获得更高的转化率。因此,有效的挖掘有特定需求的个体或群体变的至关重要。通常,互联网厂商会基于用户移动端上传到云端的个性化数据(如一段时间内对某类特定商品的浏览次数),来建立个人用户画像,基于用户画像来训练机器学习模型,从而预测用户未来的特定需求。同时,随着欧盟GDPR的发布以及国内用户隐私数据保护意识的增强,未经用户授权而直接从移动端上获取用户个人数据(如行为,状态等)从而建立个体用户画像的方式已经越来越行不通。

因此,如何在现有情况下有效的保护用户隐私数据不受侵犯成为了近期业界关注的重点。国内外一线科技公司,也都逐年加大力度投入到隐私计算领域,并取得了阶段性的成果,为隐私计算在工业落地提供了一条可参考的途径。本文将围绕业界的研究热点 - 联邦学习,差分隐私展开介绍,重点描述了这两种关键技术在工业落地过程中的实践与挑战。

上一条:香港大学朱柯副教授:Empirical asset pricing via the conditional quantile variational autoencoder

下一条:美国密歇根大学宋学坤教授:Newton growth model: A nonparametric Bayesian method with a prior of the Ornstein-Uhlenbeck process