在《通⽤数据保护条例》GDPR (General Data Protection Regulation)欧洲范围内全面实施以及德国乃至欧洲民众普遍对个人数据隐私重视的大环境下，如何在合法合规的条件下进行有效的机器学习成为了人工智能及机器学习领域新的挑战和科研课题，介于此由中国留德学者计算机学会主办，主题关于“联邦学习与数据安全及数据隐私”的人工智能与大数据论坛于2020年8 月8日在线隆重举行。

此次论坛我们有幸邀请到了微众银行首席人工智能官、《联邦学习》及《迁移学习》的作者，香港科技大学杨强教授和英国萨里大学计算机系的金耀初教授为我们分享联邦学习的前言研究。论坛全程由中国留德学者计算机学会副主席朱喜斌主持。学会主席李强博士首先向与会听众介绍了留德学者计算机学会，并介绍了本次论坛的组织及嘉宾。出席本次论坛嘉宾有中关村德国创新中心主任荀菲女士、学会人工智能及大数据专委会代表同济大学的吴昊教授。论坛以Zoom和Youtube同步线上直播的形式，吸引了会员及来自欧洲及中国各大高校，科研机构及企业的科研人员近150人次参加。

杨强教授首先给我们分享了研发联邦学习的初衷和目前的发展情况，通过生动的实例介绍了横向和纵向联邦学习在金融、医疗、物流仓储等各个方面的应用。然后详细的分析了联邦学习的运行原理，如何在参与各方不暴露本地数据的情况下，利用参数交换的形式训练和优化机器学习模型。着重介绍了联邦学习的安全机制，如何在训练过程中防止数据泄露，窃取及恶意的干扰，最后介绍了联邦学习的开源生态系统FATE和工业标准的制定，为部署联邦学习提供了便利并降低了的入门门槛。

随后，金耀初教授就在联邦学习中的关键问题：如何有效的在学习过程中减少参数交换需要的通讯消耗展开了细致入微的介绍，从layer-wise asychronous update到trained ternary quantization方法深入浅出的讲解和收敛性的理论证明，再到基于多目标演化算法的神经网络架构搜索，最后对未来研究方向的进行了展望。使参会人员从底层算法层面对联邦学习有了更近一步的了解。在交流和问答环节中两位教授耐心并细致的回答了观众提出的从联邦学习发展前景，应用潜力，落地领域到学习过程中的数据保护，有效参数交换等各种问题。最后论坛在参会人员热情讨论中圆满结束。

本次人工智能及大数据论坛就当前可以在保护数据和隐私的前提下进行有效的机器学习架构——联邦学习——进行了广泛和深入的讨论，具有非常高的时效性，前瞻性和创新性。云会议论坛不受国界和地域的限制，实现云端自由学术交流，在多方面的支持下取得了圆满的成功，并且受到社会各界的一致好评。感谢所有的报告人及参与者，期待下次会议的再见！

经报告人的授权，我们提供杨强教授报告的回放：https://youtu.be/4v4L7njBqbU