可信机器学习中心公布五项新研究项目

南加州大学与某中心联合成立的"安全可信机器学习中心"今日宣布，已选定2022-2023年度的五项新教师研究项目。该中心成立于2021年1月，旨在支持机器学习隐私、安全与可信度新方法的基础研究和开发。

“在第二年度的项目中，我们启动了一系列专注于可信机器学习不同维度的激动人心的研究，“中心主任兼电子工程与计算机科学教授Salman Avestimehr表示，“这些研究特别聚焦于通过联邦学习和安全聚合实现隐私保护、复杂机器学习模型的可解释性与公平性、以人为本的机器学习系统设计，以及底层基础设施的安全性。”

获奖研究项目详情

以下为获得资助的研究项目及具体信息：

• Urbashi Mitra（电子工程与计算机科学教授）：“物联网物理层安全的双线性机制”
• Shrikanth Narayanan（电子工程与计算机科学教授）：“基于生物行为数据的以人为本体验与感知建模的联邦学习”
• Antonio Ortega（电子工程教授）：“深度学习与数据几何：面向可解释可信AI的数据驱动图框架”
• Konstantinos Psounis（电子工程与计算机科学教授）：“采用安全聚合的联邦学习：隐私访问与改进”
• Meisam Razaviyayn（工业系统工程与计算机科学助理教授）：“支持敏感特征隐私访问的公平联邦学习”

某机构Alexa AI副总裁Prem Natarajan指出：“我们对南加州大学教师提交的高质量研究方案感到振奋。这五个入选项目体现了我们对可信机器学习中心合作愿景的深化与拓展。”

南加州大学维特比工程学院院长Yannis C. Yortsos补充道：“首年合作取得的研究成果令人印象深刻，覆盖从生物行为数据到可解释可信AI乃至物联网应用的多个领域。我们期待持续深化合作，为学生创造价值，推动思想领导力，并对社会产生积极影响。”