讲座题目：服务器节能相关研究与趋势探讨
主讲人：林伟伟教授
时间：2024年6月28日 14:20-16:20
地点：慎思三栋405会议室
主讲人简介：
林伟伟，男，博士，华南理工大学计算机科学与工程学院教授、博士生导师，先进计算学术团队负责人，CCF高级会员，《计算机科学》期刊编委。主要研究方向包括：云计算调度优化和节能技术、大数据性能建模和分析算法、AI应用技术（联邦学习、边缘智能、云边协同）等。牵头获2020年广东省科技进步奖二等奖（云计算调度优化技术），主持云计算、大数据和人工智能方面的科研项目20余项，发表论文200余篇（代表性论文发表在TPDS，TC，TSC，TCC，软件学报和计算机学报等优秀期刊上），申请发明专利60余件，并将成果应用到华为、南网、云宏信息、广州鼎甲等企业，取得了良好的经济效益；撰写ABC系列教材3本，教材得到广泛认可（销量过万），获得良好的社会效益。
摘要：内容摘要：近年来，联邦学习作为破解数据共享壁垒的有效解决方案被广泛关注，并被逐步应用于医疗、金融和智慧城市等领域。联邦学习框架是联邦学习学术研究和工业应用的基石。虽然Google、OpenMined、微众银行和百度等企业开源了各自的联邦学习框架和系统，然而，目前缺少对这些联邦学习开源框架的技术原理、适用场景、存在问题等的深入研究比较。为此，我们首先从系统架构和系统功能两个层面剖析了各联邦学习框架；然后从隐私机制、机器学习算法、计算范式、学习类型、训练架构、通信协议、可视化等多个维度对各框架进行深入分析与对比。而且，为了帮助读者更好地选择和使用开源框架实现联邦学习应用，给出了不同应用场景的横向与纵向联邦学习实验。最后，从隐私安全、性能与效率权衡、激励机制、跨框架交互等方面讨论了未来可能的研究发展方向。
