您现在的位置: 工学网 >> 新闻NEW >> 学术讲座 >> 正文
“学萃讲坛”第568期--安全多方计算--DAG:隐私保护数据挖掘的一般模型
作者:佚名          文章来源:科研院     点击数:197     更新时间:2016/12/28 23:02:06

“学萃讲坛”秉承学名家风范、萃科技精华的理念,以学术为魂,以育人为本,追求技术创新,提升学术品位,营造浓郁学术氛围,共品科技饕餮盛宴!

 

时间: 201719 9:00

地点: 21#426

主题:安全多方计算--DAG:隐私保护数据挖掘的一般模型

报告人:Vincent Lee教授

主办单位:科学技术研究院

承办单位:计算机科学与技术学院

 

报告人简介:Vincent Lee,澳大利亚莫纳什大学(Monash University)信息技术学院副教授,2级(最高)认证博士生导师。信息技术教育委员会成员,香港浸会大学商业IT学士学位外部学术顾问,莫纳什IT研讨会召集人,莫纳什大学信息技术学院成员,工商管理博士研究培训副主任。美国电气与电子工程师协会(IEEE)高级会员,新加坡英国工程理事会特许工程师,澳大利亚和新西兰会计师协会会员(AAANZ),SAP认证的商业顾问,FINSIA澳大利亚金融研究中心会员。担任Journal of Decision Systems等国际期刊编委。

 

Lee教授通过应用先进的计算数学分析技术,解决了数字自适应信号处理中的一些长期存在的挑战。他研究的特点是数学严谨和广泛的新型应用交叉学科领域,具有先进的定量和定性研究技能,包括数字自适应信号处理,移动机会网络通信,动力系统,描述性和推理统计,时间序列分析,经济和金融的计算系统/智能,以及最近的生态系统智能数据、可持续发展的科学。他在A / A *期刊中发表约200篇全文同行评议的文章。Lee教授在2016510日的总引用数(多个名字)为1100+G指数为42。他在过去十年的多学科研究影响和贡献总结如下在三个主要领域(1)数字智能世界的企业的信息,知识,创新和金融风险管理;(2)数据安全,欺诈检测和隐私保护数据挖掘;(3)自适应数据和非线性信号处理。

 

报告简介:安全多方计算(SMC)允许各方联合计算其输入上的函数,同时保持每个输入的机密性。它已广泛应用于具有隐私要求的任务,例如隐私保护数据挖掘(PPDM),学习任务输出,同时保护输入数据隐私。然而,现有的基于SMC的解决方案是特别的 - 它们被用于特定应用,因此不能直接应用于其他应用。为了解决这个问题,提出了一个由一组基本的安全算子(例如+- _/和幂)组成的隐私模型DAG(定向非循环图)。模型是一般的 --其运算符,如果传递途径在一起,可以实现各种功能,甚至复杂的,如朴素贝叶斯分类器。它也是可扩展的--可以定义新的安全算子来扩展模型支持的功能。对于案例研究,将DAG模型应用于两个数据挖掘任务:内核回归和贝叶斯。

文章录入:B_lijiaheng    责任编辑:B_lijiaheng 
     【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
分享到: