FL-IJCAI’23

值得信赖的联合学习国际讲习班
结合IJCAI 2023（FL-IJCAI’23）


提交截止日期:2023年5月14日（23:59:59 AoE）
通知到期:2023年6月15日（23:59:59 AoE）
最终版本到期:2023年6月30日（美国东部时间23:59:59）

研讨会日期:2023年8月21日
会议地点：Kokand 6304+6305，澳门喜来登大酒店

研讨会计划

  
时间（UTC+8） 活动
  
09:00 – 09:10 开幕词
09:10 – 09:30 发布2023年全球联合学习研究与应用报告
09:30 – 10:00 受邀演讲1： 大型语言模型的隐私攻击，作者：杨秋松
10:00 – 10:30 受邀演讲2： 评估大规模学习系统弗吉尼亚·史密斯
10:30 – 11:00 咖啡休息时间
11:00 – 11:30 受邀演讲3： 有保障的值得信赖的联合学习，作者：Bo Li
11:30 – 12:30 口头报告第1部分（每次谈话10分钟，包括问答）
  1. 任子尧、颜康、范立新、杨凌华、童永新和杨强。通过多目标联合学习实现SecureBoost超参数调整
  2. 最佳论文奖：Ljubomir Rokvic、Panayiotis Danassis和Boi Fallings。基于影响逼近的联合学习隐私保护数据质量评估
  3. 最佳学生论文奖：刘宇晨、陈晨和刘凌娟。利用梯度偏斜规避联合学习
  4. 最佳学生论文奖：萨赫拉·加勒比凯萨比、莱昂纳德·贝拉达、斯文·戈瓦尔、伊拉·克特纳、罗伯特·斯坦福斯、杰米·海耶斯、索哈姆·德、奥利维娅·怀尔斯和博尔贾·巴利。不同的私有扩散模型生成有用的合成图像
  5. 孙浩、汤晓丽、杨成义、俞振鹏、王秀丽、丁奇杰、李增祥和韩瑜。气体使用量估算的分层联合学习激励
  6. 彭兰、陈东来、谢冲、陈克树、何金元、张军涛、陈永红和徐燕。用于联合学习的弹性约束元学习者
12:30 – 14:00 午餐休息时间
14:00 – 14:30 受邀演讲4： 医疗保健中的联合学习：克服数据异质性挑战，作者：李晓晓
14:30 – 15:30 口头报告第2部分（每次谈话10分钟，包括问答）
  1. 庄伟铭和吕玲娟。多域联合学习需要批量规范化吗？
  2. 张杰煌和韩宇。将隐私保护纳入人工智能系统的设计方法
  3. 王征、范晓亮、彭兆鹏、李学恒、杨紫琦、冯明宽、杨志诚、刘晓和王成。FLGO：一个完全可定制的联合学习平台
  4. 周天晨、胡占一、吴炳哲和岑晨。SLPerf：标杆分裂学习的统一框架
  5. 金燮、朱晨清和李松泽。FedMeS：利用本地记忆的个性化联合持续学习
  6. 郝志浩、王冠诚、田春伟和张伯伦。基于联合学习的分布式计算模型集成异构模型和联盟区块链解决时间变化问题
15:30 – 16:00 咖啡休息时间
16:00 – 16:30 受邀演讲5： 个性化联合学习，作者：郭东龙
16:30 – 17:40 口头报告第3部分（每次谈话10分钟，包括问答）
  1. 陈一强、张腾、蒋新龙、陈倩、高晨龙和黄武良。FedBone：走向大规模联合多任务学习
  2. 李高磊、吴军、李建华、赵元元和郑龙飞。DSBP：通过多教师对抗蒸馏实现无数据快速后门净化，实现值得信赖的联合学习
  3. 李文杰、夏巧琳、郝成、薛寇莹和夏树涛。高效在线广告的垂直半联合学习
  4. 范明轩、金一伦、刘洋、任正航和陈凯。VERTICES：具有TTP辅助秘密共享的高效两方垂直联邦线性模型
  5. 尹康宁、丁振华、董志华、陈东生、傅杰、吉新辉、尹广强和王志国。NIPD：基于真实世界非ID数据的联合学习人员检测基准
  6. 昆汀·帕洪、斯旺·塞雷、雨果·维索克、莱奥·拉鲍、西巴·海达尔和安托恩·亚库布。在监控视频中暴力检测的联合学习中平衡准确性和训练时间：神经网络结构的研究
  7. 朱福宝、田燕辉、庄翰、李燕婷、楠娇芬、倪瑶和周卫华。MLA-BIN:医学图像分割联合学习领域泛化的模型级注意和批处理风格规范
17:40 – 17:45 颁奖典礼和闭幕词
   

受邀会谈

   

标题：大型语言模型的隐私攻击

演讲者： 杨秋松，香港科技大学副教授

传记
宋博士是科大CSE系的副教授，也是科大-银行联合实验室的副主任。他曾是西大CSEE巷系的助理教授（2015-2016年）；UIUC博士后研究员（2013-2015年），香港科技大学博士后研究人员，香港华为诺亚方舟实验室访问研究员（2012-2013年）；微软亚洲研究院助理研究员（2010-2012年）；IBM中国研究院研究员（2009-2010年）。他于2003年7月和2009年1月在中国清华大学获得学士和博士学位。他还于2007-2008年在谷歌（Google）和2006-2007年在IBM Research-China（IBM Research）担任实习生。他现在也是亚马逊搜索科学和人工智能的访问学者团队@A9（2022年1月至今）。
   

标题：评估大规模学习系统

演讲者： 辑弗吉尼亚·史密斯美国卡内基梅隆大学助理教授

传记
弗吉尼亚·史密斯是卡内基·梅隆大学机器学习系的助理教授。她的研究涉及机器学习、优化和分布式系统。弗吉尼亚州目前的工作解决了分布式环境中与优化、隐私和健壮性相关的挑战，以实现大规模可信的联合学习。弗吉尼亚的工作获得了美国国家科学基金会职业奖、麻省理工学院TR35创新者奖、英特尔新星奖以及谷歌、苹果和Meta的教师奖。在加入CMU之前，弗吉尼亚是斯坦福大学的博士后，并在加州大学伯克利分校获得计算机科学博士学位。
   

标题：有保障的值得信赖的联合学习

演讲者： 李波（Bo Li）美国伊利诺伊大学香槟分校副教授

传记
李波博士是伊利诺伊大学香槟分校计算机科学系副教授。她是IJCAI计算机与思想奖、Alfred P.Sloan研究奖学金、AI 10 to Watch、NSF CAREER奖、麻省理工学院技术评论TR-35奖、研究卓越院长奖、C.W.Gear杰出青年教师奖、英特尔新星奖、赛门铁克研究实验室奖学金、新星奖的获得者，亚马逊、Meta、谷歌、英特尔、IBM和eBay等科技公司的研究奖，以及几次顶级机器学习和安全会议的最佳论文奖。她的研究侧重于可信机器学习的理论和实践方面，这是机器学习、安全、隐私和博弈论的交叉点。她设计了几个可扩展的框架，用于可靠的学习和隐私保护数据发布。她的作品曾在《自然》、《连线》、《财富》和《纽约时报》等多家主要出版物和媒体上发表。
   

标题：医疗保健中的联合学习：克服数据异质性挑战

演讲者： 李晓晓加拿大不列颠哥伦比亚大学助理教授

传记
李晓晓自2021年8月起担任不列颠哥伦比亚大学（UBC）电气与计算机工程系助理教授。此外，李博士在向量研究所担任教员，在耶鲁大学担任助理教授。在加入UBC之前，李博士是普林斯顿大学的博士后研究员。李博士于2020年获得耶鲁大学博士学位。李博士的研究重点是开发理论和实践解决方案，以提高医疗保健中人工智能系统的可信度。具体来说，她最近的研究致力于推进联合学习技术及其在医学领域的应用。Li博士的工作在顶级机器学习会议和期刊上发表了大量出版物，包括NeurIPS、ICML、ICLR、MICCAI、IPMI、ECCV、TMI、TNNLS和医学图像分析。她的贡献在著名的国际会议上获得了几项最佳论文奖，进一步得到了认可。
   

标题：个性化联合学习

演讲者： 龙国栋澳大利亚悉尼科技大学（UTS）副教授

传记
龙国栋博士是澳大利亚悉尼科技大学工程与信息技术学院计算机科学学院的副教授。他是澳大利亚人工智能研究所（AAII）的核心成员之一。他目前正在领导一个研究小组，对机器学习和数据科学进行应用驱动研究。特别是，他的研究兴趣集中在几个应用领域，如NLP、医疗保健、智能家居、教育和社交媒体。他致力于探索具有现实价值和影响力的蓝天研究理念。他的团队的研究由多种来源的行业拨款和ARC拨款资助。他在顶级会议上发表了100多篇论文，包括ICLR、ICML、NeurIPS、AAAI、IJCAI、ACL、KDD、WebConf，以及IEEE TPAMI、TKDE和TNNLS等期刊。他的出版物吸引了超过10k条引文。他将担任将在悉尼举办的WebConf 2025的联合主席。

奖品


接受的论文

  1. 刘宇晨、陈晨和刘凌娟。利用梯度倾斜规避联合学习的防御
  2. 孙浩、汤晓丽、杨成义、俞振鹏、王秀丽、丁奇杰、李增祥和韩瑜。气体使用量估算的分层联合学习激励
  3. 庄伟铭和吕玲娟。多域联合学习需要批量规范化吗？
  4. 任子尧、颜康、范立新、杨凌华、童永新和杨强。通过多目标联合学习实现SecureBoost超参数调整
  5. 张杰煌和韩愈。将隐私保护纳入人工智能系统的设计方法
  6. 彭兰、陈东来、谢冲、陈可舒、何锦元、张俊涛、陈永红和徐燕。用于联合学习的弹性约束元学习者
  7. 萨赫拉·加勒比凯萨比（Sahra Ghalebikesabi）、伦纳德·贝拉达（Leonard Berrada）、斯文·戈瓦尔（Sven Gowal）、伊拉·克特纳（Ira Ktena）、罗伯特·斯坦福斯（Robert Stanforth）、杰米·海斯（Jamie Hayes）、索哈姆·德（Soham。不同的私有扩散模型生成有用的合成图像
  8. 卢博米尔·罗克维奇、帕纳约蒂斯·达纳西斯和博伊·法尔廷斯。基于影响逼近的联合学习隐私保护数据质量评估
  9. 王征、范晓亮、彭兆鹏、李学恒、杨紫琦、冯明宽、杨志诚、刘晓和王成。FLGO：一个完全可定制的联合学习平台
  10. 周天晨、胡占一、吴炳哲和岑晨。SLPerf：标杆分裂学习的统一框架
  11. 金燮、朱晨清和李松泽。FedMeS：利用本地记忆的个性化联合持续学习
  12. 郝志浩、王冠诚、田春伟和张伯伦。基于联合学习的分布式计算模型集成异构模型和联盟区块链解决时间变化问题
  13. 陈一强、张腾、蒋新龙、陈倩、高晨龙和黄武良。FedBone：走向大规模联合多任务学习
  14. 李高磊、吴军、李建华、赵元元和郑龙飞。DSBP：通过多教师对抗蒸馏实现无数据快速后门净化，实现值得信赖的联合学习
  15. 李文杰、夏巧琳、郝成、薛寇莹和夏树涛。高效在线广告的垂直半联合学习
  16. 范明轩、金益伦、刘洋、任正航和陈凯。VERTICES：具有TTP辅助秘密共享的高效两方垂直联邦线性模型
  17. 尹康宁、丁振华、董志华、陈东生、傅杰、吉新辉、尹广强和王志国。NIPD：基于真实世界非ID数据的联合学习人员检测基准
  18. 昆汀·帕洪、斯旺·塞雷、雨果·维索克、莱奥·拉鲍、西巴·海达尔和安托恩·亚库布。在监控视频中暴力检测的联合学习中平衡准确性和训练时间：神经网络结构的研究
  19. 朱福宝、田燕辉、庄翰、李燕婷、楠娇芬、倪瑶和周卫华。MLA-BIN:医学图像分割联合学习领域泛化的模型级注意和批处理风格规范

文件征集

联合学习（FL），一种能够对机器学习模型进行协作训练的学习范式，在训练过程中，数据驻留并保持在分布式数据仓库中。FL是确保AI在以隐私为中心的监管环境中蓬勃发展的必要框架。由于FL允许利己的数据所有者协作培训机器学习模型，最终用户可以成为AI解决方案的共同创造者。为了在外语共同创造者之间实现开放式协作，并促进联合学习范式的采用，我们设想，在外语模型培训期间，数据所有者社区必须根据可信的联合学习的不同理念进行自组织，包括但不限于安全性和健壮性、隐私保护、，可解释性、公平性、可验证性、透明度、可审计性、共享学习模型的增量聚合，以及创建健康的市场机制，以实现FL范式下数据所有者之间的开放动态协作。本研讨会旨在将学术研究人员和行业从业者聚集在一起，解决这一跨学科研究领域中的未决问题。对于行业参与者，我们打算创建一个论坛来交流实际相关的问题。对于学术参与者来说，我们希望更容易在这一领域取得成效。本次研讨会的主题是将可信度融入联合学习，以实现FL范式下数据所有者之间的开放式动态协作，并使FL解决方案易于应用于解决实际问题。

感兴趣的主题包括但不限于：
技术：
  • 对抗性学习、数据中毒、对抗性示例、，
    对抗健壮性，黑箱攻击
  • 体系结构和隐私保护学习协议
  • 联合学习中的拍卖
  • 可审计的联合学习
  • 自动化联合学习
  • 可解释的联合学习
  • 公平意识的联合学习
  • 联合学习和分布式隐私保护算法
  • 联合转移学习
  • 人性化的隐私机器学习
  • 联盟学习的激励机制与博弈论
  • 可解释的联合学习
  • 模型合并和共享
  • 联合学习中的个性化
  • 隐私感知知识驱动的联合学习
  • 隐私保护技术（安全多方计算，同态
    加密、秘密共享技术、差异隐私）用于机器学习
  • 联合学习中的健壮性
  • 隐私安全、隐私泄露验证和自我修复等。
  • 在隐私、安全、有效性和效率之间进行权衡
  • 透明的联合学习
  • 可验证的联合学习
应用：
  • 算法可审计性
  • 制造符合GDPR的AI的方法
  • 数据价值和数据联合的经济性
  • 用于隐私保护分布式学习的开源框架
  • 联合学习的安全性和安全性评估
  • 针对行业中数据安全和小数据挑战的解决方案
  • 数据隐私和安全标准

可以找到有关以前研讨会的更多信息在这里.


研讨会后出版物

研讨会后出版物有两种选择。希望在其他地方提交论文扩展版本的作者可以选择不使用这两种选项。
   

精选的高质量论文将被邀请作为Springer旗下人工智能（LNAI）系列讲座笔记的编辑书籍中的章节出版。稍后将提供更多信息。
 
   

或者，将邀请选定的高质量论文向计算机科学与技术杂志斯普林格。稍后将提供更多信息。


提交说明

每次提交最多可包含7页内容，外加最多2页参考资料和确认书。提交的论文必须按照IJCAI’23模板所有提交的论文都将接受单盲同行评审，以了解其新颖性、技术质量和影响。提交的材料可以包含作者的详细信息。将通过Easychair提交网站接受提交。

根据IJCAI’23的要求，每一篇被接受论文的至少一位作者必须亲自前往IJCAI会场。此外，禁止向多个IJCAI研讨会多次提交同一论文。

Easychair提交地点：https://easychair.org/conferences/？conf=fl-ijcai-23型

如有疑问，请发送电子邮件至：fl-ijcai-23@easychair.org


组织委员会


项目委员会

  • Alysa Ziying Tan（Alibaba-NTU新加坡联合研究院，新加坡）
  • Allen Gu（WeBank，中国）
  • 李安然（新加坡南洋理工大学）
  • 赵波（南京航空航天大学，中国）
  • Dimitrios Papadopoulos（香港科技大学，香港）
  • 彭红一（新加坡南洋理工大学）
  • Huawei Huang（中国中山大学）
  • 聂江田（新加坡南洋理工大学）
  • 孙建凯（美国俄亥俄州立大学）
  • Jishu Weng（新加坡Chubb）
  • Jihong Park（澳大利亚迪肯大学）
  • Jinhyun So（美国南加州大学）
  • Kevin Hsieh（美国微软研究院）
  • 李萍仪（中国南开大学）
  • Paulo Ferreira（戴尔科技，美国）
  • 张鹏（中国广州大学）
  • 秦虎（美国乔治华盛顿大学）
  • Rui Liu（新加坡南洋理工大学）
  • Shengchao Chen（澳大利亚悉尼理工大学）
  • 王世强（IBM Thomas J.Watson Research Center，USA）
  • 冯思伟（中国苏州大学）
  • 李松泽（香港科技大学，香港）
  • Wei Yang Bryan Lim（新加坡南洋理工大学）
  • 文武（中国彭城实验室）
  • 郭显杰（中国合肥工业大学）
  • 吴晓虎（北京邮电大学，中国）
  • 唐晓丽（新加坡南洋理工大学）
  • 徐国（新加坡南洋理工大学）
  • Yan Kang（WeBank，中国）
  • 张燕慈（中国山东大学）
  • Yang Zhang（中国南京航空航天大学）
  • 陈毅强（中国科学院）
  • 袁江（美国耶鲁大学）
  • 何元钦（WeBank，中国）
  • 高玉兰（新加坡南洋理工大学）
  • 施玉欣（新加坡南洋理工大学）
  • 刘泽雷（中国联通（上海）工业互联网有限公司）
  • 转石（中国科技大学）
  • 王卓伟（CSRIO，澳大利亚）
  • Zichen Chen（美国加州大学圣巴巴拉分校）

组织单位：