科学研究
学术报告
当前位置: 学院主页 > 科学研究 > 学术报告 > 正文

全同态加密在隐私保护机器学习中的应用 & 端到端加密协议的后量子迁移

发布时间:2025-09-25 作者: 浏览次数:
Speaker: 陈嘉耕 DateTime: 2025年9月29日(周一)上午9:30-11:30
Brief Introduction to Speaker:

陈嘉耕于2004年获得华中科技大学(HUST)计算机科学与技术学士学位,并于2007年和2012年在日本国立大学北陆先端科学技术大学院大学(JAIST)的信息科学学院获得硕士博士学位。2012年至2015年,在JAIST担任助理教授职位,从2015年起至今为华中师范大学计算机学院副教授。他先后在国际期刊和会议上发表论文70余篇,目前是CCF C类国际期刊”Journal of Information Security and Application”的副主编,并多次担任国际期刊”FGCS”,”IEICE ”等SCI期刊的特任编辑。他主持日本文部省科学基金一项,主持中国国家自然科学基金一项,担任信息安全国际会议NSS2016, ISPEC2018,ISPEC2024,NSS2025的大会程序主席和大会主席,并且是多个国际信息安全会议的程序委员。他在密码算法、安全协议、隐私保护等领域做出了诸多的贡献。


Place: 国交三号楼C307教室
Abstract:本报告聚焦于“隐私保护计算与端到端加密”两大前沿方向。首先,将介绍隐私保护与机器学习的基本概念,重点展示团队在“全同态加密结合机器学习/联邦学习”中的系列最新成果,例如在医疗影像诊断、压力检测和非IID数据下的安全聚合方面实现的高效密态推理与鲁棒防御。其次,报告将系统剖析现代端到端加密消息传递的事实标准——Signal协议及其核心组件(X3DH与双棘轮算法),并进一步探讨其在后量子背景下的挑战与演进。我们将比较工业界的混合方案(如Signal的PQXDH与苹果的PQ3)和学术界提出的多种后量子替代设计,评估其在效率、安全性与隐私属性(如可否认性、匿名性)上的取舍,勾勒出后量子安全消息传递的最新图景。 通过结合隐私保护机器学习与后量子端到端加密的双重视角,本报告将为大家呈现未来隐私保护与安全通信的技术趋势与研究思考。