研资局高级研究学者计划 | 教资会及研资局奖项

Biography (只提供英文版)

Chair Professor in Department of Computer Science at City University of Hong Kong
Research interests include cloud and distributed computing systems, computer networks and communication, and secure data sharing and privacy-preserving computing for AI and Machine Learning
SRFS project — to develop new technologies to ensure data privacy and security in federated learning. As federated learning trains the model in a distributed fashion, some security problems may occur. This research will develop secure proof-of-data and proof-of-training protocols for federated learning platforms to ensure the training output is indeed generated from the prescribed algorithm over the certified data
Awards and Honours:
- RGC Senior Research Fellow (2024)
- IEEE TCDP (Technical Committee on Distributed Processing) Outstanding Service and Contributions Award (2024)
- ACM Distinguished Member (2018)

Project Title (只提供英文版)

Robust Aggregation, Proof-of-data and Proof-of-training in Federated Learning

赞词

贾教授是一位杰出的科学家，他的研究兴趣涵盖云端和分散式计算系统、计算机网络与通信，以及针对人工智能的安全数据共享与隐私保护计算。在他超过30年的学术生涯中，已在相关领域的顶尖期刊、会议上发表了超过450篇文章，并培养了超过30名博士生。他曾多次在竞争激烈的会议中获得最佳论文奖，并于2024年荣获IEEE TCDP杰出服务与贡献奖。他是IEEE院士及ACM杰出成员。

贾教授领导的SRFS项目旨在开发新技术，确保联邦学习中的数据隐私与安全。联邦学习是一种分布式机器学习方法，训练过程发生在数据本地端。由于数据从不离开客户端，联邦学习被视为最佳的数据隐私与安全保护方法之一。然而，此特性导致联邦学习面临几个主要问题，包括「搭便车」、「懒惰训练」和「投毒攻击」。为此，该项目将开发数据证明和训练证明协议，以确保客户端的训练结果确实来自于经过认证的数据，并且是由规定的训练算法生成的。

如果该项目成功，将为大规模分布式机器学习开辟新的前沿，使全球分布的数据能够在其本地端充分参与训练。这将真正释放数据的力量，并将人工智能模型的性能提升到新的高度。