题目一：Efficient Nearest Neighbor Search in Vector Databases and Federated Databases

内容简介：Approximate nearest neighbor (ANN) search is fundamental and widely used in numerous real-world applications, such as image retrieval, recommendation, bioinformatics, and sequence matching. Proximity graph (PG) has been the state-of-the-art index for ANN search. However, the search on existing PGs either suffers from a high time complexity or has no performance guarantee on the search result. We propose a nove t-monotonic graph (t-MG) to address the limitations. The novelty of t-MG lies in a t-monotonic property. Based on this property, we prove that if the distance between a query q and its nearest neighbor is less than a constant t, the search on t-MG guarantees to find the exact nearest neighbor of q and the time complexity of the search is smaller than all existing PG-based methods. To protect the privacy during ANN search, we also propose a secure ANN search method in the federated environment. Our extensive experiments show that our techniques out perform all existing methods on well-known real-world datasets.

报告人：彭云

报告人简介：教授，博士生导师，2013年博士毕业于香港浸会大学，2022年加入广州大学人工智能研究院，入选广东省级人才项目特聘教授岗、广州大学“百人计划”。曾在香港浸会大学担任研究助理教授，联想集团（香港）担任高级研发经理、高级数据科学家并获得产业科技创新总裁奖，新加坡南洋理工大学担任Research Fellow等。主要从事大数据、图神经网络、隐私计算等领域的教学与研究工作。长期担任领域顶级学术期刊和会议编委。近年来，主持国家重点研发计划课题1项，主持国家自然科学基金2项，省自然科学基金2项，在TKDE、TDSC、PVLDB、ICDE、IJCAI等CCF A类期刊和会议上发表论文20余篇，出版教材1部。

题目二：Optimal Client Selection of Federated Learning Based on Compressed Sensing

内容简介：联邦学习是一种允许多个个人或团体在不交换数据的前提下协同实现机器学习建模的技术，凭借其私有数据不出本地的特性，得到了广泛应用。然而，联邦学习在实践中仍面临着隐私泄露、通信效率低、掉队效应和异质性等挑战。本报告首先介绍如何将最优客户端选择问题转化为稀疏优化问题，以提出一种新的安全聚合协议，然后介绍客户端重复贡献解决方案、无额外通信的客户端采样策略和掉队者惩罚策略三个辅助组件的设计，最后介绍一种安全高效的联邦学习方案的构建，旨在有效应对上述核心挑战。

报告人：李庆

报告人简介：广西科技大学计算机科学与技术学院副教授。2024年博士毕业于暨南大学网络空间安全学院。主要研究压缩感知理论在人工智能、联邦学习、后门攻击等领域的应用及理论分析，部分论文发表在IEEE Trans. Inf. Forensics Secur.、Knowledge-Based Syst.、Pattern Recognit. Lett.等国际著名刊物。主持或参与纵向项目4项，横向项目8项，授权发明专利2项，软件著作权4项。担任IEEE Trans. Inf. Forensics Secur.、IEEE Signal. Process. Lett.等多个国际学术期刊的审稿人。

时  间：2025年4月7日（周一）下午14:30开始

地  点：腾讯会议：293-878-132

热烈欢迎广大师生参加!

 857体育赛事直播

2025年4月2日