2019年6月23日至25日，第四届国际网络空间数据科学大会（IEEE DSC 2019）于浙江省杭州市举行。大会由IEEE和中国工程院主办，之江实验室、杭州电子科技大学、浙江工业大学联合承办，国内外近300位专家学者和行业代表受邀参加，共同围绕数据科学的新热点、新成果展开深度学术交流。

IEEE DSC 是国际数据科学领域的重要会议之一，致力于搭建国际化的学术交流平台，为数据科学领域的研究者提供交流和研讨相关领域学术和技术创新的空间。本届大会主要议题为：网络空间的数据科学、数据挖掘、数据处理，数据的信任、安全和隐私以及大搜索等数据领域的基础理论、方法、安全、设计、实施、应用创新成果等。

IEEE DSC 2019

我中心2017级硕士研究生黄茜茜在该会议发表论文《Differentially Private Convolutional Neural Networks with Adaptive Gradient Descent》，受邀参加会议并在Main Conference的Deep learning algorithm and applications session上发表演讲，并最终斩获“最佳学生论文”奖。

“最佳学生论文”获奖代表黄茜茜

以下是论文的摘要：

深度学习在目标检测，计算机视觉，自然语言处理和语音识别领域取得了显著的成功。然而，由于一些训练数据涉及敏感信息，例如医疗病史，位置信息和人脸图像等，传统的深度学习模型可能遭受隐私风险。攻击者可以利用深度学习模型从训练数据中获取敏感信息。为了保护训练深度学习模型的数据的隐私，我们开发了一种新的优化算法：DPAGD-CNN，它结合差分隐私技术和卷积神经网络。具体而言，DPAGD-CNN在每次迭代中更精细地分配隐私预算，而不是每次迭代分配固定的隐私预算。我们理论上证明了我们的方法可以保护训练数据的隐私，并且在MNIST和CIFAR-10数据集做了实验验证。实验表明我们的方法能够在较小的隐私预算下取得较高的分类准确度。