张兰

中国科大计算机学院教授

合肥综合性国家科学中心数据空间研究院数据要素创新研究中心首席科学家。围绕数据的深度理解，隐私保护和共享交易进行研究，其成果发表国际知名会议和期刊100余篇，其中CCF荐A类会议/期刊论文50余篇。2015获得CCF优秀博士学位论文奖和ACM中国优秀博士论文奖。研究成果已授权30余项，申请美国发明专利3项。主持国家自然科学基金委重点项目、国家自然科学基金优秀青年科学基金项目等多个国家级项目。

李治军

苏州大学特聘杰出教授/博导、工业互联网研究院院长

CCF物联网专委会执行委员，CCF普适计算专委会执行委员，教育部长江学者特聘教授，物联网智能技术工信部重点实验室副主任，智能机器人工信部揭榜挂帅项目首席科学家，厦门大学信息学院特聘讲座教授。作为第一作者在移动计算顶级学术会议Mobicom（2017）上获最佳论文奖，首次提出了异构无线网络物理直连通信技术，先后在IEEE/ACM TON、TMC、MOBICOM、MOBISYS、SENSYS、INFOCOM、ICNP、ICDCS、SECON等期刊/会议上发表论文80余篇。

异构网络、数据与泛在计算系统

越来越多的设备、数据和任务接入到了数据世界，在这样一个广泛集成融合了海量元素的数字世界中，异构性是核心特性，异构协作融合是核心目标。本报告从网络、数据、计算三个层面介绍了其中的关键技术挑战及主要科学问题，即不同网络制式接入、不同数据处理需求共存、不同算力资源调度三个方面，也分享了团队最近开展的相关技术探索。进一步，为实现海量异构元素在动态泛在物联网环境下的按需协作，智能操作系统、大模型生成式AI等提供了很好的解决思路，同时包含了团队在这一领域的技术创新与系统落地探索。

陈超超

浙江大学计算机科学与技术学院特聘研究员、现代服务创新实验室副主任

曾任蚂蚁集团高级算法专家。主要研究方向为隐私保护机器学习、分布式机器学习、图机器学习和推荐系统等。他曾获得2020 年度“CCF科学技术奖”-科技进步卓越奖以及2021年度中国人工智能学会“优秀科技成果奖”。曾在NeurIPS，WWW，ACM MM，SIGIR，ICDE，KDD，AAAI，IJCAI，TKDE，TDSC，TKDD等国际会议和期刊发表论文70余篇，申请国内外发明专利200余项，其中授权100余项。

隐私保护跨域智能推荐

随着互联网的快速发展，推荐系统成为数字生活中不可缺少的工具，与此同时，数据安全和隐私保护也成为必然趋势。为提高推荐的智能性，往往需要融合异构多源的数据，为此，基于隐私计算的跨域智能推荐技术应运而生。本报告将分别介绍隐私计算和跨域推荐基础技术，并着重介绍如何将不同的隐私计算技术与跨域智能推荐相结合。

王浩宇

华中科技大学网络空间安全学院教授/博导

华科网安-烽火通信网络安全联合研究中心主任

CCF系统软件专委会执行委员，Security PRIDE团队负责人，华中科技大学OpenHarmony技术俱乐部主任。研究方向为新兴软件系统安全，近年共发表论文100余篇，包括CCF-A类论文和CSRankings顶会论文70余篇。曾三次获得CCF A类顶会最佳/杰出论文奖，2021年度北京市科技进步一等奖，2021年度中国通信学会科技进步二等奖，2022年度中国电子学会科技进步二等奖等奖励。

隐私滥用的艺术：重新思考移动智能终端隐私保护

近十年来，移动智能终端隐私保护和移动App隐私合规一直是学术界和工业界关注的热点。尽管国家相关安全法规和政策不断落地，众多188体育投注：移动智能终端的隐私滥用检测和隐私保护技术也不断提出，然而针对移动终端用户的隐私风险并未明显减少，反而呈现出威胁泛化、愈演愈烈的趋势。本次报告将分享移动应用新型隐私滥用和对抗技术，以及重新思考移动智能终端隐私保护面临的挑战和未来方向。

王俊

OPPO研究院数据智能研究部部长

主动隐私：端云互融隐私计算视角

随着越来越多的数据产生，用户隐私保护日益成为关注热点。一方面人们需要利用数据进行价值挖掘；另一方面数据流通过程中带来的隐私泄露等安全问题突出，且行业还面临日益严苛的法律条款和监管要求。隐私计算技术为解决上述问题提供了可行的解决方案。用户端侧设备作为最接近数据源头的载体和数据流转的出入口，如何在保护用户隐私的前提下，给用户带来更好的个性化服务体验已成为近年学术界和工业界的研究热点。本报告将围绕主动隐私，从端云互融隐私计算的视角，介绍该领域的前沿与发展，并介绍OPPO在该方向上的一些初步探索、实践及思考。