11月16日，应西北师范大学计算机科学与工程学院邀请，上海大学任艳丽教授在线为师生作了题为“隐私增强的联邦学习研究”的学术报告。报告由学院牛淑芬教授主持，230多名教师和研究生参加了此次学术交流活动。

报告主要探讨了：（1）可验证的隐私增强联邦学习，即如何同时保护本地和全局梯度的隐私性以及针对恶意服务器，怎么验证聚合的结果的正确性；（2）抗对抗样本的神经网络推理，即如何同时实现模型输入、推理结果的隐私性以及如何检测恶意用户对抗样本攻击。报告中任艳丽教授辅以协议比较和对抗样本可视化的实验对比，深入分析了在不同协议下的准确率和不同阶段下的开销以及在不同比例下模型的准确度和不同攻击下的模型性能。

最后，任艳丽教授热情洋溢地与参会师生就报告中的相关问题进行了充分的互动交流。通过此次学术报告，使我院师生更加深入地了解联邦学习的最新发展，在一定程度上拓宽了学术视野。