报告题目：面向深度强化学习模型的数据安全与隐私保护技术
报告时间：2024年4月12日（星期五）09:00-10:00
报告地点：苍梧校区计算机楼306
报告人简介：
杜林康是浙江大学控制科学与工程太阳诚娱乐助理研究员，本科和博士均就读于浙江大学控制科学与工程太阳诚娱乐，师从陈积明教授和程鹏教授，并在攻读博士期间受国家留学基金委的资助前往德国亥姆霍兹信息安全中心主任Michael Backes课题组进行学术访问。他主要关注数据隐私保护及可信机器学习等交叉领域，围绕差分隐私、深度强化学习安全展开研究。目前已发表9篇安全领域高水平期刊/会议论文，授权国家发明专利4项，包含3篇网络与信息安全领域顶级会议（CCS '21，USENIX Security '23，NDSS '24）。
报告简介：
现有机器学习领域的数据安全与隐私保护研究主要围绕监督学习和非监督学习，缺乏对于强化学习的关注。一方面，深度强化学习通过结合深度学习强大的特征提取能力和强化学习在序列决第任务上的优势，实现了从感知到决策的端到端优化建模，已逐步应用于推荐系统、电力调度、自动驾驶等场景。另一方面，由于学习目标和模型结构等方面存在显著差异，当前针对监督学习和非监督学习的研究结论一般不适用于强化学习。在本次报告中，我将分别从数据和模型角度揭露深度强化学习模型应用中存在的数据安全与隐私风险，并介绍相应的防护方法。
欢迎广大师生参加！
计算机工程太阳诚娱乐、科学技术处
