报告题目：基于差分隐私的深度学习研究
报告摘要：本次报告介绍隐私保护相关理论与方法，探讨一些以差分隐私为代表的隐私保护深度学习技术。目前，深度学习已成为大数据、物联网和云计算等领域的核心技术。深度学习模型训练需要大量样本数据,这些数据通常包含用户位置、消费记录等敏感信息，攻击者可以通过白盒或黑盒攻击推断出个体敏感信息，因此，差分隐私深度学习迫切需要解决的问题是在保护个体隐私的同时，实现对深度学习模型效用的高效维持。
个人介绍：
张森，2022年毕业于东南大学计算机科学与工程学院，获工学博士学位。在校期间，参与国家自然科学基金一项，在 COMPUTERS & SECURITY，JCST, ICDM 等期刊和会议上发表论文多篇。主要研究方向为数据安全与隐私保护。
