清华AIR与FATE开源社区联合举办联邦学习夏令营，促进高素质人才培养与产业发展

近年来，国家对于人工智能和数据安全的重视程度不断加强。国务院《新一代人工智能发展规划》中明确提出了加强人工智能领域的基础研究、培养高素质人才、促进产业融合等方面的要求。联邦学习是人工智能和隐私计算核心技术之一，以“数据不动模型动，数据可用不可见”的核心特征，在保护数据隐私，促进数据要素安全流通等方面发挥关键性作用。

7月5日，清华大学智能产业研究院（AIR）与FATE开源社区学术专委会共同举办的“联邦学习夏令营”正式开营。为期三个月的夏令营中，学员们将在领域专家的指导下，围绕“可信联邦学习的多目标优化框架”这一前沿研究方向展开研究实践，形成论文，在10月评选出优秀研究成果。

此次活动得到了联通数科、VMware、北京大学、数字福建城市交通大数据研究所、微众银行等机构的大力支持，吸引了来自清华大学、北京大学、北京邮电大学、厦门大学、香港科技大学等十余所高校的30余位联邦学习领域研究的硕士和博士生积极参与。

活动日合影

1

灯塔之辉，行业专家领衔

在为期三天的开营培训阶段，香港科技大学讲席教授杨强、微众银行人工智能首席科学家范力欣、清华大学智能产业研究院副教授刘洋等领域专家为学员们带来集中培训，传授自身多年研究经验与实践方法。此外，还有来自香港科技大学、北京大学、厦门大学、中国科学院计算所等知名高校与科研机构的教授担当导师，为学员进行全程研究指导。

香港科技大学讲席教授杨强以《可信联邦学习研究方向概述》为主题，分享了联邦学习领域的多个关键问题和研究方向，包括联邦学习中的隐私保护、模型性能和效率的平衡、大模型和小模型之间的知识迁移等问题，并探讨了联邦学习在医疗、系统等领域的应用。

香港科技大学讲席教授 杨强

微众银行人工智能科学家范力欣围绕《可信联邦多目标优化》分享了联邦学习多目标优化的背景、框架以及开展相关研究的整体方法论，并分享了可信联邦学习的模型版权保护（FedIPR）。

微众银行人工智能科学家 范力欣

清华大学智能产业研究院副教授刘洋分享了《基于知识流动的联邦学习框架》，介绍了这种框架的基本概念和工作原理，并详细讲解如何在不泄露原始数据的情况下，提升效率以满足实际应用的需求。

清华大学智能产业研究院副教授 刘洋

微众银行人工智能研究员康焱、古瀚林围绕“多目标优化背景”与“可信联邦学习安全和模型版权保护”向学员们展示了可信联邦学习领域最新动态与前沿研究成果。

微众银行人工智能研究员 康焱

微众银行人工智能研究员 古瀚林

数字福建城市交通大数据研究所（厦门大学）常务副所长范晓亮以《联邦学习用户采样的多目标优化》为主题，以提升联邦学习公平性的算法设计为例，介绍了整体研究方法，及相关标准、平台建设。

数字福建城市交通大数据研究所（厦门大学）常务副所长 范晓亮

北京航空航天大学任子尧、清华大学深圳国际研究生院赵心远深入介绍了在联邦学习secureboost中效率性能及隐私的多目标优化研究工作，以及在横向联邦学习场景中模型性能和隐私保护的多目标优化研究工作。

北京航空航天大学 任子尧

清华大学深圳国际研究生院 赵心远

2

创新思辩，学员分组实践

接下来的研究与实践阶段，学员们结合自身的研究背景和兴趣，在专家导师的指导下形成小组，确定研究主题，其中包括对不同目标组合做联邦多目标优化、对优化目标才采用不同的评判标准、对不同模型考虑联邦优化、设计不同的优化算法等。学员们在7月7日进行了小组汇报与正式开题，并将在10 月份形成论文，评选出优秀研究成果。

学员们分组讨论

来自清华大学深圳国际研究生院的学员张雨竹表示：“几位专家的报告非常精彩，在增长知识的同时，也大大地开拓了我的研究视野。能够遇见这么多志同道合，一起做联邦学习的同学，我非常开心。与老师同学们的交流，让我更加坚定了自己努力做好科研工作的信心。”

学员们分组讨论

来自香港科技大学（广州）的学员郭茁宁表示：“这是第一次来到清华AIR和FATE开源社区组织的活动，虽然路途遥远，但是收获颇丰，非常珍惜和老师、同学们交流的机会。进一步认识到了联邦学习研究的必要性、重要性以及其广阔的应用前景。在今后的日子里，我希望用自己的研究，推动联邦学习的应用落地，也祝愿联邦学习和FATE开源社区发展得越来越好。”

学员小组汇报与开题

此次夏令营旨在为广大学子提供一个深入学习和探索联邦学习领域的平台，促进产学研合作与交流，希望未来能有更多青年才俊投身人工智能与隐私计算事业，为行业发展注入更多活力。

END