数字时代，隐衷和平安正成为一个关键问题。公司和组织每天都在收集大量的数据，然而数据隐衷破坏相关法律法规越来越严格，给大数据和人工智能带来了新的应战。例如欧盟的《通用数据破坏条例》（General data Protection Regulation，GDPR）就明确提出，禁止在没有明确用户受权的情况下，直接合并来自不同来源的用户数据进行AI建模。
为了探索AI如何适应这种新的监管环境，微众银行、京东、第四范式等中国企业结合香港科技大学、新加坡南洋理工大学、普林斯顿大学等国内知名高校及科研院所，将在第30届人工智能国内结合会议（IJCAI'21）组织为期一天的研讨会：IJCAI 2021 解决数据稀疏性与隐衷破坏的联邦进修与迁徙进修国内研讨会（International Workshop on Federated and Transfer Learning for Data Sparsity and Confidentiality in Conjunction with IJCAI 2021，FTL-IJCAI'21)。
本次研讨会将重点讨论遵守隐衷破坏和平安原则的呆板进修系统，旨在提供一个讨论开放问题的论坛，并分享在平安和隐衷破坏兼容呆板进修的研究和运用方面理论与运用研究的最新突破性工作。
相关投稿请留意如下截止时间：
Submission Due: May 05, 2021
Notification Due: May 25, 2021
Workshop Date: August 21~22, 2021
征稿侧重于解决以下应战：
平安和合规性：如何满足平安和合规要求？该解决方案是不是确保了数据隐衷和模型平安？协作和扩张解决方案：该解决方案是不是连接了来自不同方面和行业的不同业务伙伴？该解决方案是不是利用和扩张了数据的价值，同时破坏了用户隐衷和数据平安？提升和受权：解决方案是不是可持续和智能？它是不是包括鼓励缔约方持续参与的激励机制？它是不是促进了一个稳定和双赢的商业生态系统？
征稿主题包括但不限于：
1）手艺：
反抗性进修，数据下毒，反抗样本，反抗鲁棒性，黑白盒攻击及防御隐衷破坏进修协议与体系结构自动联邦进修联邦进修与分布式隐衷破坏算法联邦迁徙进修人机交互隐衷感知呆板进修激励机制与博弈论隐衷感知知识驱动的结合进修用于呆板进修的隐衷破坏手艺（平安多方计算、同态加密、秘密共享手艺、差分隐衷）人工智能的责任性、解释性和可解释性隐衷平安，隐衷和效率之间的权衡
2）运用
使AI符合GDPR要求的方法群体智能数据价值与数据联盟的经济性分布式进修的开源框架人工智能解决方案的平安评估行业中数据平安和小数据应战的解决方案数据隐衷和平安标准
如有查询，请电邮至[email protected]。
进入官网了解详情：http://federated-learning.org/fl-ijcai-2021/