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
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。