北京大学-八分量“区块链与隐私计算”联合实验室于2024年5月8日下午在北京大学英杰交流中心星光厅举办研究进展与前沿技术研讨会。
姚卫浩部长致辞
本次研讨会分享了联合实验室自2022年3月成立以来在区块链、隐私计算领域的重要研究成果与最新进展,汇聚学术界和工业界的专家学者、研究人员和技术从业者,共同探讨该领域的最新趋势和未来发展方向,涵盖了区块链、隐私计算、AI大模型安全与隐私保护等多个方面,为与会者提供了一个深入交流、共同探讨的平台,促进学术交流与合作,推动联合实验室在区块链与隐私计算领域的创新与发展。
吴中海院长致辞
阮安邦董事长致辞
北京大学出席的领导有,北京大学科技开发部部长姚卫浩、副部长郑如青,北京大学软件微电子学院院长吴中海、副院长刘力锋,北大软微学院网络软件与系统安全系系主任等;特邀出席的国内专家有,北京大学网络空间安全研究院院长、安全密码工程研究中心主任徐茂智,中国科学院计算所区块链实验室主任、CCF区块链专委副主任孙毅,密码科学技术全国重点实验室副主任张江,以及华为2012系统安全技术实验室主任、华为系统安全首席科学家谭寅等;特邀线上参与的国外专家有,剑桥大学计算机学院副研究员、兼任牛津大学软件工程学院特聘讲师吴连龙,中英人工智能协会执行会长、创始人,之江实验室海外青年专家委员李振海,帝国理工大学人工智能研究院研究员、FLock.io创始人孙家昊,Sophos公司首席工程师张星,Bay Current Consulting公司Web3事业部负责人贾思雨等。
前沿技术研讨会
密码科学技术全国重点实验室副主任张江研究员,在会上做特邀报告“基于快速盲旋转的同态加密自举技术”,指出当前密文自举是实现全同态加密的唯一技术路径,也是阻碍全同态加密走向实际应用的主要性能瓶颈。报告介绍了实现密文自举的三种主流方法以及它们的优缺点。并给出一种新的部分同态加密算法和快速盲旋转技术。基于此提出了一种与密钥分布无关的新型全同态加密算法。与国际同类算法比较,提出的算法计算性能提升了2.1倍,存储代价降低了2.9倍。该报告内容已发表于美密会2023。
信息安全国家重点实验室副主任陈恺研究员,在会上做特邀报告“大模型安全:机遇与挑战”,指出大模型的出现对安全研究产生了重要影响:一方面它可赋能传统攻防手段,使其更为智能和高效;另一方面,其自身的安全问题,如“幻觉”问题、隐私问题等,也引发了人们在使用大模型时的担忧。此次报告重点讲述如何使用大模型用以赋能传统安全攻防,也会讲述大模型自身的安全问题等。
通过线下咨询和指导的方式,来自国内的专家学者,针对联合实验室成立以来取得的阶段性研究成果给予了充分的肯定,并提出了许多好的建议。
线上圆桌论坛
通过线上圆桌论坛的方式,来自国外的专家学者,针对区块链、大模型、去中心化隐私计算等前沿技术,与线下专家进行了共同探讨。
北京大学-八分量区块链与隐私计算联合实验室
北京大学软件与微电子学院院长、联合实验室指导委员会主任吴中海,八分量创始人、联合实验室指导委员会副主任阮安邦,北京大学软件与微电子学院教授、联合实验室主任沈晴霓,八分量联合创始人、联合实验室副主任魏明等代表联合实验室出席和主持了本次研讨会。
研讨会与会人员集体合影
北京大学-八分量区块链与隐私计算联合实验室,是八分量与北京大学共同成立的校级联合实验室,主要围绕我国关键软件核心技术问题,开展区块链与隐私计算方向的前沿技术研究和攻关,共同推进区块链与隐私计算软件平台、算法、系统与应用等方面合作研发,促进应用落地,通过共同努力和协同创新,取得自主可控、国内领先与国际一流的研发成果。为企业发展与科研进步提供新的发展契机,同时也为服务国家大数据战略培养出更多的高素质应用型人才方面贡献价值。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。