应银河官网国家安全学交叉学科信息安全方向——密码与网络安全实验室邀请，广东工业大学的康嘉文教授于2021年12月5日为银河官网师生讲学。欢迎全校相关教师、博士生、硕士生参加!

报告题目：联邦学习的可靠性评估及其激励机制设计

报告人：康嘉文教授

报告人单位：广东工业大学自动化学院

时间：2021年12月5日（周日），14:30—16:00

报告地点：腾讯会议号：908 3803 4367

主办单位：重点建设与发展工作处、4556银河国际在线、数学科学学院

康嘉文教授简介：康嘉文，广东工业大学“青年百人”教授，曾为新加坡南洋理工大学博士后，美国普林斯顿大学、加拿大滑铁卢大学访问学者。研究方向为区块链、物联网、无线通信、信息安全等。入选2019年及2020年“全球前2%顶尖科学家”榜单，近年来在IEEE期刊和会议共发表论文近70篇，含6篇ESI高被引论文及3篇ESI热点论文，先后获得8项国际会议最佳论文奖、IEEE车载技术学会年度最佳论文奖、全球50大区块链最具影响力论文奖，授权国家发明专利15项。担任国内期刊电子与信息学报、计算机工程青年编委，国际期刊JASC、IEEE TNSE、IEEE Systems Journal、IET Communications等8个SCI期刊编委、客座编委、IEEE WCNC、ICC、Globecom、HPCC等国际会议研讨会共同主席。

报告摘要：联邦学习是一种新兴的机器学习技术，可使用来自大规模节点（例如移动设备）的本地数据集进行分布式模型训练，但仅共享模型更新而无需上传原始训练数据。现有的大多数工作都集中在设计高级学习算法上，目的是实现更好的学习性能。但现有工作较少探索参加训练的节点的可靠性评估、可靠节点的激励机制、以及联邦学习任务分配等挑战。这些问题严重阻碍了联邦学习的推广落地。为了解决上述挑战，本次报告将通过引入信誉值作为衡量节点的可靠性指标，并介绍多权重主观逻辑模型来设计基于信誉的参与节点选择方案，并分别考虑不同场景下信誉值与契约理论、匹配理论相结合的激励优化方案，以实现可靠的联邦学习。

欢迎各位老师同学届时参加！