内容摘要：

在智慧医疗健康领域，数据不仅仅是新型生产要素，也是重要的战略资源。各方都期待能够通过处理更多来源的数据来构建高性能的智能模型，但受限于数据权属问题，各方数据多以孤岛形态存在，难以实现多方协同与价值共享。随着人们对数据隐私和安全的日益重视，国家监管法规的逐步完善，也对数据的交换共享做出了严格限制与规范，这些都成为制约人工智能在健康领域应用落地的重要因素。

联邦学习是一种打破上述孤岛效应，实现健康数据要素价值化的有效方式。联邦学习能够在保证数据隐私安全及合法合规的前提下，利用多方数据实现共同建模，有效提升模型效果，是目前最热门的研究课题之一。本报告将针对数据要素价值化中“原始数据不出域，数据可用不可见”的要求，重点介绍联邦学习的基本框架，关键挑战问题以及解决方法等，并介绍联邦学习在智慧医疗健康领域的实际场景应用，为医疗健康数据要素价值化及知识跨域共享提供新的思路。

报告人：

陈益强，CCF会士，中国科学院计算技术研究所研究员、博士生导师、国务院政府特殊津贴专家，曾入选国家级科技创新领军人才、科技部中青年科技创新领军人才以及北京市科技新星等。目前担任移动计算与新型终端北京市重点实验室主任、计算所泛在计算系统研究中心主任，兼任泛在智能计算研究院院长等职。在 IEEE TKDE、AAAI 等人工智能与普适计算领域国际重要期刊和会议上发表论文 200 余篇，获得包括 IJCAI-FL 最佳应用论文奖、IJIT十五周年最佳论文奖等在内的会议最佳论文奖 6 项；申请发明专利 100 余项，授权 50 余项；相关成果获得国家及省部级科技奖项 7 项；受聘东京大学、南洋理工大学兼职教授；兼任IJMLC、IEEE TETCI 等6个人工智能与机器学习领域重要学术刊物的编委；兼任IEEE可穿戴与智能交互技术委员会创始委员，国家“现代服务业”重点专项的总体专家组成员。

时间：2022年11月10日（星期四）15:00-17:00

参会方式：线上报告

腾讯会议号：210-497-879

CCF通知链接：https://www.ccf.org.cn/Activities/Event_calendar/ccfzjgx/2022-11-03/776031.shtml