12月17日，山东女子学院数据科学与计算机学院邀请萨里大学计算机科学研究中心助理教授、萨里未来学者王曦璐博士，通过线上方式为我校师生带来了一场题为“联邦优化：隐私、异构性与现实应用”的前沿学术讲座。讲座通过腾讯会议平台进行，吸引了众多师生与研究者在线参与。
讲座伊始，王曦璐博士系统梳理了联邦学习的发展脉络。她指出，自2016年谷歌提出联邦学习概念以来，这一允许多方在不共享原始数据前提下协同建模的分布式机器学习范式，已成为隐私保护计算的关键技术。然而，在面对超参数优化、神经网络架构搜索等“黑盒优化”问题时，传统的基于梯度更新的联邦学习方法面临挑战，由此催生了“联邦优化”这一新兴交叉研究方向。
王曦璐博士结合其团队的研究，重点阐述了联邦贝叶斯优化这一核心方法。她深入剖析了该领域面临的两大核心挑战：一是高斯过程等非参数模型在联邦场景下参数共享困难；二是现实场景中普遍存在的数据非独立同分布（Non-IID）问题。针对这些挑战，王博士介绍了其团队提出的系列创新解决方案，包括基于序相似度的模型融合机制、在训练与生成阶段引入差分隐私保护技术，以及利用集成模型蒸馏应对数据异构性等，有效实现了隐私保护与优化性能的平衡。
在应用实践部分，王博士生动展示了联邦优化在神经架构搜索等前沿领域的落地场景。她详细讲解了“个性化联邦神经架构搜索”框架，该框架利用客户端本地扩散模型生成候选网络架构，服务器端聚合超网络权重，并通过条件扩散模型引导高质量架构的生成，突破了传统进化算法的局限。此外，她也展望了联邦优化在药物分子设计、工业过程优化等更多黑盒优化问题中的广阔应用前景。
讲座最后，王曦璐博士与在线师生进行了深入的互动交流，探讨了隐私-效用权衡、联邦场景下的对抗攻击防御、纵向联邦优化等开放性问题，并分享了萨里大学在人工智能相关方向的博士招生与奖学金信息。整场讲座内容丰富、逻辑清晰、见解深刻，紧密联系学术前沿与产业应用，为与会师生提供了宝贵的学术视角与科研启发。
本次讲座是数据科学与计算机学院持续推进学术交流、拓展师生国际视野的重要活动之一，有效促进了我校在人工智能、隐私计算等方向的研究氛围，加强了与海外优秀学者的学术联系。
（撰稿：黄鲁 审核：于泽汇）
