安全可信机器学习中心公布五项新研究项目

研究项目概述

安全可信机器学习中心近日宣布遴选出来自南加州大学教师的五项新研究项目（2022-2023年度）。该中心成立于2021年1月，致力于支持机器学习隐私、安全与可信度方面的基础研究和新方法开发。

项目负责人与研究方向

Urbashi Mitra（工程学教授）：

• 研究课题："物联网物理层安全的双线性机制"

Shrikanth Narayanan（工程学教授）：

• 研究课题："基于生物行为数据的以人为本体验与感知建模的联邦学习"

Antonio Ortega（电子与计算机工程教授）：

• 研究课题："深度学习与数据几何：基于数据驱动图框架的可解释可信AI"

Konstantinos Psounis（电子与计算机工程教授）：

• 研究课题："安全聚合的联邦学习：隐私访问与改进"

Meisam Razaviyayn（工业与系统工程助理教授）：

• 研究课题："具有敏感特征隐私访问权限的公平联邦学习"

技术重点领域

本年度项目重点关注以下技术方向：

• 通过联邦学习与安全聚合实现隐私保护
• 复杂机器学习模型的可解释性与公平性
• 以人为本的机器学习系统设计
• 底层基础设施的安全性保障

合作意义

该项目代表学术机构与企业深度合作的典范，通过联合研究推动机器学习安全领域的技术创新，旨在培养专业人才、提升行业领导力，并对社会产生积极影响。