报告题目: Learning Privately over Distributed Features: An ADMM Sharing Approach
报告人：刘鹏博士（拉夫堡大学数学科学系统计学高级讲师）
报告时间：2024年9月24日 15:00
报告地点：文澴楼315
摘要: 分布式和联邦学习在分布式样本的情况下得到了广泛的研究。我们研究了一个重要但较少被访问的分布式学习问题，其中特征是固有分布的，并且禁止各方之间共享原始数据或模型参数。我们提出了一个ADMM共享框架，以实现分布式特征的风险最小化，其中各方只需要在训练过程中为每个样本共享一个值，从而最大限度地降低数据泄露风险。我们介绍了一种新的差分私有ADMM共享算法，并将隐私保证与精心设计的噪声扰动绑定在一起。实验表明，所提出的算法收敛效率高，对于具有高维特征的数据，证明了其优于随机梯度下降法。报告的最后也期望和相关学生分享一个拉夫堡大学的博士申请项目，其中文官网为https://china.lboro.ac.uk/application-navigation/doctor
报告人简介: 刘鹏博士现任拉夫堡大学数学科学系统计学高级讲师（2024年9月至今）。此前曾任肯特大学数学、统计与精算学院统计学讲师（2019年3月-2024年8月）、阿尔伯塔大学数学与统计科学系博士后研究员（2017年11月-2018年12月）、华盛顿大学生物统计学系高级博士后研究员（2015年8月-2017年7月）和香港浸会大学癌症研究中心Fred Hutchinson（2015年10月）、数学系研究助理（2013年11月-2015年2月）；拥有中国科学院数学与系统科学研究院生物统计学博士学位（2015年）和华中师范大学学士学位（2010年）；研究兴趣包括生物统计学、功能和神经影像学数据分析以及机器学习；获得了数理统计研究所（IMS）新研究人员会议旅行奖（2018）。他的研究得到了英国研究与创新局（UKRI）、英国创新局、英国医学科学院和肯特社会网络安全研究所的支持，是《物联网》杂志《工业物联网（IIoT）中工业信息集成的可解释人工智能》特刊的首席客座编辑（02/2024 Now），《国际组织与集体智能杂志》（IJCI）的主编（01/2024至今）。
