面对全球各国对于AI隐私保护及AI向善的呼声，联邦学习日渐成为被业界重视并接受的新一代AI基础技术。随之而来的是一系列对原有数据共享体系结构的改造需求。如何在横向联邦、纵向联邦及联邦迁移学习的场进下对参与数据联邦共同训练模型的各方利益进行最大限度地保护，同时兼顾数据联邦的整体利益？如何对各种针对数据联邦的攻击进行建模，以其更有效地部署有限的防御资源，保护数据联邦的利益？这次报告将从博弈论及系统优化的角度分享解决此类问题的一些思路。
联邦学习
于 涵
