研資局高級研究學者計劃 | 教資會及研資局獎項

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

讚詞

賈教授是一位傑出的科學家，他的研究興趣涵蓋雲端和分散式計算系統、計算機網絡與通信，以及針對人工智能的安全數據共享與隱私保護計算。在他超過30年的學術生涯中，已在相關領域的頂尖期刊、會議上發表了超過450篇文章，並培養了超過30名博士生。他曾多次在競爭激烈的會議中獲得最佳論文獎，並於2024年榮獲IEEE TCDP傑出服務與貢獻獎。他是IEEE院士及ACM傑出成員。

賈教授領導的SRFS項目旨在開發新技術，確保聯邦學習中的數據隱私與安全。聯邦學習是一種分佈式機器學習方法，訓練過程發生在數據本地端。由於數據從不離開客戶端，聯邦學習被視為最佳的數據隱私與安全保護方法之一。然而，此特性導致聯邦學習面臨幾個主要問題，包括「搭便車」、「懶惰訓練」和「投毒攻擊」。為此，該項目將開發數據證明和訓練證明協議，以確保客戶端的訓練結果確實來自於經過認證的數據，並且是由規定的訓練算法生成的。

如果該項目成功，將為大規模分佈式機器學習開闢新的前沿，使全球分佈的數據能夠在其本地端充分參與訓練。這將真正釋放數據的力量，並將人工智能模型的性能提升到新的高度。