- TF105:大语言模型技术进展及应用
- TF104:软件工程的复杂性
- TF103:降本增效 架构先行
- TF102:攻击面管理
- TF101:全域营销的数据科学
- TF100:大模型时代下数据智能的应用与前景
- TF98:数字化转型先锋论坛-金融行业实践专场
- TF97:大语言模型时代的知识工程
- TF96:知识图谱赋能时空AI
- TF95:元宇宙系列(三):行业智能化,产业元宇宙来助力
- TF94:NLP技术和产业化发展
- TF93:云原生年度回顾与展望
- TF92:工业机器人柔性控制
- TF91:前端新技术与新实践
- TF90:研发效能度量
- TF89:数智转型 势在必行
- TF87:数据洞察与数据驱动
- TF86:知识图谱赋能智能制造
- TF85:打造公路“头等舱”——智能座舱与交互革命进行时
- TF84质量与效能
- TF83中间件设计:打造互联网架构的基石
- TF82前端与图形学
- TF81工业制造中的数据治理
- TF80云原生安全
- TF77智慧商业,连锁革命
- TF76金融知识图谱构建与应用:进展与展望
- TF75云原生架构演进:降本增效背景下的云原生实践
- TF74产业互联网下的数据科学
- TF73边缘计算不边缘——创新焦点之边缘智能设备和应用
- TF72技术创新驱动企业增长
- TF71 产业变革中的工业互联网安全
- TF70跨模态前沿AI技术及产业应用
- TF69工业制造中的大数据分析和预测
- TF68前端与多媒体
- TF67如何用因果推断和实验驱动用户增长
- TF66大转型,走进农业新时代
- TF65知识图谱开源开放及生态
- TF64量子人工智能:机遇与挑战
- TF63基础架构设计:从架构热点问题到行业变迁
- TF62元宇宙系列(二):数字化底座,万丈高楼平地起
- TF61开发安全与供应链安全
- TF60企业级研发效能提升的实践
- TF59研发效能提升之美
- TF58视觉基础模型研究及应用
- TF57数据安全之流动数据的安全管控
- TF56MBD,开启产品数字化定义新未来
- TF55前端工程体系,告诉你头部企业的新探索
- TF54工程师成长地图与卓越研发组织打造
- TF53预训练时代的大规模知识表示与推理实践
- TF52智慧、融合、安全——智能科技车与路
- TF51畅谈元宇宙的发展与挑战
- TF50工程师文化驱动组织创新
- TF49 产品设计与生产制造协同案例分享与探讨
- TF48云原生时代架构变迁与前瞻
- TF47AI技术落地过程中的实践问题探讨
- TF46数据科学的新发展与数字化转型
- TF45知识图谱新技术、新场景、新应用
- TF44智能驾驶的技术挑战和解决方案
- TF43前端的发展与未来
- TF42区块链DeFi技术新机遇与实战
- TF41云上大数据和数据中台建设
- TF40人机共存,传统行业供给侧服务者赋能技术与系统实战
- TF39语言知识前沿研究与工业实践
- TF38无(少)标注数据在人工智能中的应用
- TF37基于场景的机器人环境理解与智能交互
- TF36工业大数据在智能制造领域的应用与探索
- TF35从数据分析到数据智能
- TF34工业互联网安全前沿与技术热点
- TF33人工智能的下半场—— 知识图谱的新机遇与行业落地
- TF32端到端数据分析系统构建
- TF31智能:前端技术的新挑战
- TF30产业互联网下的数据智能实战解析
- TF29机器视觉技术进展及工业应用
- TF28技术战略转型背后的工程师文化
- TF27零信任网络架构实践 (ZTNA Practice)
- TF26互联网架构中的热点应对
- TF25工业人工智能技术创新与应用
- TF24 仿真工业软件的研究与应用
- TF23AI联邦学习的最新应用落地
- TF22数据驱动
- TF21 认知智能落地中的问题与对策
- TF20 深度学习技术和框架应用
- TF19 未来智能设备的交互技术
- TF18 数据安全与风险防控
- TF17 认知计算产业化落地
- TF16 NewSQL探索与实践
- TF15 Cloud Native 云原生时代的架构
- TF14 联邦学习技术及数据隐私保护
- TF13 大数据时代背景下数字内容生产行业的技术变迁
- TF12 语言认知与知识计算
- TF11 容器化和Service Mesh实践
- TF10 AI在智慧媒体领域的应用
- TF09 人机对话的产业应用与技术发展
- TF08 企业数据安全建设实践
- TF07 大数据在新零售中的应用
- TF06 工程师职业发展及组织文化概况
- TF05 区块链技术与工程实践研讨会
- TF04 纵论AI在问答、机器翻译、自动驾驶、人脸识别中的应用
- TF03 大数据系统与应用
- TF02 人工智能时代的互联网运维
会议主席
崔宝秋
博士,CCF TF创始委员、大数据SIG主席之一,小米集团副总裁,集团技术委员会主席,有二十多年的软件和互联网开发经验。分别于1991年和1994年在武汉大学获得计算机科学学士和硕士学位,2000年在美国纽约州立大学石溪分校计算机系获得博士学位。2012年加入小米集团,历任小米首席架构师、人工智能与云平台副总裁,参与创建并长期管理人工智能与云平台团队(现已升级为人工智能部、大数据部、云平台部),参与规划并主要承担了小米“云计算-大数据-人工智能”这一技术变革主线,推动了小米在AIoT领域的发展与布局。崔宝秋博士现担任小米集团技术委员会主席,负责小米在技术领域的发展与探索,将重点强化技术文化和工程师文化,提升集团技术方向决策,加大对技术人才的招聘、培养、任命及激励等。
执行主席
何召卫
何召卫,北京邮电大学博士,长期致力于大数据平台建设,先后任职于阿里巴巴和滴滴,现任小米大数据平台数据工场负责人。
特邀讲者
宋文宽
主题报告一视频:大数据时代的个人隐私保护
主题简介:大数据时代如何保护个人的隐私,技术创新的边界在哪里?首先,大数据的应用和创新应当有节制,个人隐私保护不仅要依靠道德感召,更需要满足法律的要求。个人隐私和数据安全涉及每个公民的切身利益,如何合理、合规地收集和使用大数据、如何平衡个人信息保护和产业发展,已经成为大数据技术运用亟待解决的问题。在本报告中,将阐述企业作为个人数据的控制者或加工者,承担哪些义务和法律责任,如何在数据的生命周期中通过技术创新、合规挖掘大数据的价值。
个人简介:宋文宽,在小米集团负责信息安全和隐私的合规工作,拥有十四年的信息安全管理从业经历,曾就职于联想、万达、平安等多家世界500强企业和金融公司。在信息安全与个人信息保护合规领域有着丰富的实战经验,带领团队多次完成认证项目和合规性检查,包括支付卡PCI-DSS数据安全认证、ISO27001安全认证、ISO27018个人数据保护认证、英国CyberEssential安全认证等。
刘洋
主题报告二:分布式数据挖掘中的隐私保护
主题简介:近年来,一方面随着硬件制造工艺的提高,具有强大信息处理与交换功能的设备不再仅存于少量机房中,如何基于闲置的信息能力挖掘价值是重要的研究课题之一;另一方面,爆炸增长的去中心化数据给机器学习带来计算、存储与通信效率上的难题。这激发了学者们对分布式数据挖掘的研究兴趣,也带来了对分布式数据的隐私破坏风险。在本次报告中,我们回顾典型的分布式数据挖掘算法,识别出其中的隐私泄露问题,并介绍基于密码学、人工扰动等经典思想的隐私保护算法。
个人简介:刘洋,腾讯云云产品部高级研究员。主要研究为网络化系统控制与优化,多智能体系统,隐私保护下的分布式优化,成果发表与投稿在Automatica,IEEE Transactions on Automatic Control, IEEE/ACM Transactions on Networking, IEEE Conference on Decision and Control等多个自动化与计算机网络顶刊与顶会。2019年博士毕业于澳大利亚国立大学,2015年本科毕业于清华大学电子工程系。
赵波
主题报告三视频:可信的大数据安全与可信的隐私保护方法
主题简介:目前在大数据在各行各业得到广泛应用,人们在享受着大数据带来的快捷和便利的同时,也面临着诸多的安全与隐私问题,因为大数据的特性所造成的数据泄露和分析失效等事件屡见不鲜,如何确保大数据安全性与如何有效的进行隐私保护成为目前的研究热点。在本次报告中,我们将利用可信的理念和可信计算已有的研究成果,介绍利用可信的方法在大数据安全、大数据隐私保护等诸多领域的思考和探索,寻找出可以落地并实用的解决方法。
个人简介:赵波,男,现任武汉大学国家网络安全学院副院长,教授,博士生导师。网络安全优秀教师,中国密码学会理事,中关村可信计算产业联盟副理事长。主要研究方向为密码学应用、信息系统安全、可信计算、嵌入式系统及云计算安全、网络安全技术等。承担了国家973项目、国家863项目、国家自然基金等各类课题等重要科研项目,在密码学应用、信息安全系统设计与测试方面积累了一定理论和实践经验。是多个国际学术会议和国内信息安全学术会议的程序委员会委员,在信息安全领域理论和实践方面做出了一定的工作。发表多70余篇学术论文,获得国家发明授权12 项。并出版《可信计算》等学术专著。
杜威
主题报告四视频:纵深式防控体系建设实战
主题简介:在业务安全场景下,风险存在于各个环节之中,因此单点的防御往往达不到预期效果。纵深式防控体系是从端安全的源码保护、通信链路防护、设备指纹,到后端的风控引擎,流式计算,再到数据层的模型平台,这一整套全流程的防护体系,可以保障数据采集安全,线上风险实时识别,业务数据深度分析,同时提供快速的私有化部署和策略体系的导入,能够在短时间内帮助企业把业务安全提升到一个新的水准。本主题讲从技术分析和实战案例展开,对纵深式防控体系的建设路径做拆解。
个人简介:杜威,顶象技术专家,负责顶象风控系统和人机安全。曾经任职于趋势科技,阿里安全部。多年的业务安全实战经验。毕业于南京大学计算机系。
梁堃
主题报告五视频:全栈式实时反欺诈引擎
主题简介:随着各类产业的互联网化,在为用户提供更方便快捷服务的同时,也面临着越来越多的欺诈风险。面对专业化、产业化的黑产,非系统化的策略、少量的模型、依赖黑名单库等防御行为措施已经不能解决现有欺诈问题。本次演讲,系统介绍数美全栈式实时反欺诈引擎,针对各行业存在的营销反欺诈、交易反欺诈等常见的欺诈场景,分享反欺诈技术实践经验。
个人简介:梁堃,北京大学计算机专业硕士,国内顶尖机器学习与数据挖掘专家,拥有多年机器学习和人工智能领域经验,先后就职于百度、小米,担任高级工程师、架构师,善于解决用户在大数据领域的痛点,具备优秀的大数据方案整体架构能力。