会议时间：2023年5月30日 8:50-10:20

会议形式：腾讯会议，会议ID：132-431-997

开幕式  时间：8:50-9:00

报告及报告人简介

报告一：跨界为王--跨模态可信感知初探

报告人：韩劲松教授  时间：9:00–9:40

报告人简介：韩劲松，浙江大学网络空间安全学院、计算机科学与技术学院教授，博导。2007年在香港科技大学计算机科学与工程学系获博士学位。研究方向为物联网安全、可信认证、智能感知和移动计算。近年来已在国际一流期刊与重要国际会议上发表论文70余篇；担任中国计算机学会物联网、普适计算、教育专委会委员，学术期刊Computer Networks（COMNET）、网络与信息安全学报编委，以及多个国际一流会议的程序委员会委员；获2019 IEEE 信息通信年会（INFOCOM）最佳论文奖、2019年全球通信会议（GLOBECOM）最佳论文奖、2021年INFOCOM最佳论文提名奖、2021年ACM 嵌入式网络传感器系统(SenSys)最佳论文提名奖、2011年香港信息及通讯科技奖最佳研究与创新奖，获选“高校计算机专业优秀教师奖励计划”，2018年ACM 西安优博指导教师。

报告摘要：感知是现代智能计算与服务的基础。物联网、人工智能、数字孪生等新技术的流行与普及，对感知提出了更高的要求。为了获得丰富、精细、可信的感知数据，利用不同模态信号的相互作用进行感知成为一个有前途的方向。例如，利用声音-传感器之间的跨模态作用，我们可以从运动传感器捕捉语音引起的低频振动，进而恢复语音信息。然而，实现跨模态感知依然面临着诸多挑战，例如采样率低、迁移性差、复杂度高等。本次报告将介绍跨模态作用的机理与研究现状，分析其实用化所面临的挑战，结合已有的工作提出相应解决思路，并期待以此推进跨模态作用在感知和安全领域的实际应用。

报告二：联邦学习的梯度泄露关键技术研究

报告人：杨浩淼教授 时间：9:40–10:20

报告人简介：杨浩淼，电子科技大学教授、博导，加拿大滑铁卢大学访问学者。申请人研究方向为网络空间安全，发表中科院JCR-1区/CCF-A论文近20篇；出版专著/教材3部；授权发明专利18项。主持国家重点研发计划课题、国家自然科学基金面上项目等10多项国家级/省部级项目10余项。中国计算机学会和密码学会的高级会员，担任IEEE IWSSC 2018等10余个国际会议的联合主席/出版主席/宣传主席，并进入10多个通信、网络和计算方面国际旗舰会议程序委员会。

报告摘要：在联邦学习中，梯度泄露攻击是一种可能导致受害设备隐私泄露的风险。尽管联邦学习通过在不共享数据的情况下进行模型训练来保护数据隐私，但攻击者可以利用模型的梯度信息来推断或恢复训练数据，从而侵犯用户的隐私。本报告介绍了联邦学习中的梯度泄露攻击，详细介绍了目前先进的梯度泄露攻击方法，包括优化方法和分析方法。此外，这些工作对于改进梯度泄露攻击的检测和防御方法具有重要意义。最后，本报告提出了未来的研究方向和挑战，以进一步加强联邦学习中的梯度泄露攻击的检测和防御。