研究型实习生-研究型实习生-工业界隐私保护机器学习方案漏洞分析

岗位职责

研究领域： 隐私计算 项目简介： 项目信息： 隐私保护机器学习是新兴技术领域，业界和学界已经提出了许多不同的隐私保护机器学习技术路线，其中较为主流的3 种为多方安全计算（MPC）、可信执行环境（TEE、SGX）和联邦学习。尽管学界、业界提出了许多隐私保护机器学习的技术方案，旨在保护数据隐私，提供安全的建模方式。但是，这些技术方案是否真的能完全保证隐私数据不泄露，这一点是未知的。我们需要研究业界主流隐私保护机器学习方案，对他们做全面的安全分析，包括分析这些方案是否真的可以保护用户数据，是否存在泄露用户隐私数据的可能。在此基础上，我们还需要规避这些风险点，设计出更安全可靠的隐私保护机器学习方案。

研究领域：安全

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

C/C++、Golang、Java、MPC、Python、SGX、TEE、分布式学习、协作学习、发表算法相关优秀论文、安全计算、安全评估、数据隐私、漏洞分析、隐私保护、隐私计算