“学萃讲坛”秉承学名家风范、萃科技精华的理念，以学术为魂，以育人为本，追求技术创新，提升学术品位，营造浓郁学术氛围，共品科技饕餮盛宴！

时间：2017年1月9日9:00

地点：21#426

主题：安全多方计算--DAG：隐私保护数据挖掘的一般模型

报告人：Vincent Lee教授

主办单位：科学技术研究院

承办单位：计算机科学与技术学院

报告人简介：Vincent Lee，澳大利亚莫纳什大学（Monash University）信息技术学院副教授，2级（最高）认证博士生导师。信息技术教育委员会成员，香港浸会大学商业IT学士学位外部学术顾问，莫纳什IT研讨会召集人，莫纳什大学信息技术学院成员，工商管理博士研究培训副主任。美国电气与电子工程师协会（IEEE）高级会员，新加坡英国工程理事会特许工程师，澳大利亚和新西兰会计师协会会员（AAANZ），SAP认证的商业顾问，FINSIA澳大利亚金融研究中心会员。担任Journal of Decision Systems
等国际期刊编委。

Lee教授通过应用先进的计算数学分析技术，解决了数字自适应信号处理中的一些长期存在的挑战。他研究的特点是数学严谨和广泛的新型应用交叉学科领域，具有先进的定量和定性研究技能，包括数字自适应信号处理，移动机会网络通信，动力系统，描述性和推理统计，时间序列分析，经济和金融的计算系统/智能，以及最近的生态系统智能数据、可持续发展的科学。他在A / A *期刊中发表约200篇全文同行评议的文章。Lee教授在2016年5月10日的总引用数（多个名字）为1100+，G指数为42。他在过去十年的多学科研究影响和贡献总结如下在三个主要领域（1）数字智能世界的企业的信息，知识，创新和金融风险管理；（2）数据安全，欺诈检测和隐私保护数据挖掘；（3）自适应数据和非线性信号处理。

报告简介：安全多方计算（SMC）允许各方联合计算其输入上的函数，同时保持每个输入的机密性。它已广泛应用于具有隐私要求的任务，例如隐私保护数据挖掘（PPDM），学习任务输出，同时保护输入数据隐私。然而，现有的基于SMC的解决方案是特别的-它们被用于特定应用，因此不能直接应用于其他应用。为了解决这个问题，提出了一个由一组基本的安全算子（例如+，-，_，/和幂）组成的隐私模型DAG（定向非循环图）。模型是一般的--其运算符，如果传递途径在一起，可以实现各种功能，甚至复杂的，如朴素贝叶斯分类器。它也是可扩展的--可以定义新的安全算子来扩展模型支持的功能。对于案例研究，将DAG模型应用于两个数据挖掘任务：内核回归和贝叶斯。