1、报告人： 朱孔林

2、报告题目： 面向隐私计算的安全与审计

3、报告时间： 12月17日（周三） 14:30

4、报告地点： 柏彦大厦F12会议室1

5、邀请人： 孙怡帆

6、报告摘要： 本研究围绕隐私计算的安全防护与可信审计展开，分别以联邦学习和大模型问答隐私计算审计为例。在联邦学习安全领域，提出 SGX-FL 框架，通过信息熵筛选重要梯度、欧氏距离动态分组，实现硬件级防护，有效抵御梯度泄露、拜占庭及恶意服务器攻击，仅需保护 5% 重要梯度即保障隐私，大幅降低计算开销。面向大模型问答，设计 MPC 聚合审计方案：MPC 增强 Top-K 筛选实现数据“可用不可见”，创新聚合审计将验证开销降至常数级，结合区块链动态信誉反馈实现奖惩闭环。该研究为多方数据协作提供技术支撑，未来将进一步拓展复杂场景适应性与跨平台兼容性。

7、主讲人介绍：

朱孔林 北京邮电大学

朱孔林，北京邮电大学人工智能学院教授，博士生导师。2009年和2014年分别于美国加州大学洛杉矶分校和德国哥廷根大学获工学硕士和博士学位。2014年至今在北京邮电大学工作。主持国家重点研发计划青年科学家项目、国家自然科学基金、装备发展教育部联合基金、北京市自然科学基金等项目20余项，在IEEE TMC、IEEE TWC、IEEE TITS、IEEE INFOCOM等重要会议/期刊上发表学术论文60余篇。主要研究方向为隐私计算与区块链、车联网和卫星互联网。