近年来,包括联邦学习在内的Privacy-Preserving Machine Learning和密码学的综合应用,在学术和工业界受到越来越多关注。随着技术突破,数据协作的需求会越来越基础和普遍;交叉数据集挖掘的潜力释放,对于AI的发展有重要意义。数牍科技率先实现了工业场景的落地应用,在原始数据不出库的前提下,将加密实时在线计算降低到 20ms 并应用于实时计算场景,实现多个高难度的复杂模型训练。本次讲座邀请到数牍科技CTO蔡超超和高级软件工程师王昊昱分享前线的应用突破和工程经验,主题分别为基于隐私保护的分布式机器学习、OT(Obvious Transfer)技术的演进及在PSI(Private Set Intersection)当中的应用。
播放:128次,课程ID:4185848
近年来,包括联邦学习在内的Privacy-Preserving Machine Learning和密码学的综合应用,在学术和工业界受到越来越多关注。随着技术突破,数据协作的需求会越来越基础和普遍;交叉数据集挖掘的潜力释放,对于AI的发展有重要意义。数牍科技率先实现了工业场景的落地应用,在原始数据不出库的前提下,将加密实时在线计算降低到 20ms 并应用于实时计算场景,实现多个高难度的复杂模型训练。本次讲座邀请到数牍科技CTO蔡超超和高级软件工程师王昊昱分享前线的应用突破和工程经验,主题分别为基于隐私保护的分布式机器学习、OT(Obvious Transfer)技术的演进及在PSI(Private Set Intersection)当中的应用。
No list
先后任职于Amazon、Facebook, 机器学习和联邦学习专家。在Facebook期间,作为tech lead主导了多平台图谱、用户画像预测等项目,获得Facebook Distinguished Equity,多项美国国家专利。加州大学洛杉矶分校(UCLA)机器学习博士。
UIUC数学系本科、密码学硕士,研究方向为多方安全计算。曾任Facebook隐私基础构架组(Privacy Infrastructure)高级工程师,先后在Facebook的Off-Facebook Activity及GDPR项目上负责隐私工程的核心研发。