联邦大模型将联邦学习与大语言模型相结合，遵循“数据不动、模型动”的原则，在无需集中原始数据的前提下，共同训练与优化大模型。该技术能有效破解数据孤岛，为医疗、教育等领域提供隐私安全的个性化智能服务，驱动产业智能升级。
面向数据异构与通信高效的联邦大模型优化与应用研究-陈星星原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2025/10/27/%e9%9d%a2%e5%90%91%e6%95%b0%e6%8d%ae%e5%bc%82%e6%9e%84%e4%b8%8e%e9%80%9a%e4%bf%a1%e9%ab%98%e6%95%88%e7%9a%84%e8%81%94%e9%82%a6%e5%a4%a7%e6%a8%a1%e5%9e%8b%e4%bc%98%e5%8c%96%e4%b8%8e%e5%ba%94%e7%94%a8/
聚焦大语言模型对抗攻击检测，针对提示注入与越狱攻击，提出HiPRED和TRACE两种隐藏状态检测方法。二者仅用良性样本校准，无需攻击标签和梯度，通过SVD子空间、正交残差能量及层间…
本次报告主要讲述了Android权限机制和自定义权限的相关内容。介绍了权限机制和自定义权限的基本概念，解释了权限升级漏洞的基本概念，并详细讲解了发现此类漏洞的模式测试方法，最后思考…
成员推理攻击（Membership Inference Attack）作为一种隐私攻击方法，其攻击对象是机器学习目标模型，攻击目标是推理一条或一批数据是否作为目标模型的训练集，以此…
本报告介绍了深度神经网络模型窃取检测的三种方法，从算法思想，实验结果，算法分析三个角度对已有算法进行贯穿式总结，阐述了模型窃取检测领域的难点，提升对模型安全领域问题的认识
远程监督方法用于关系抽取任务，会给数据集带来噪声样本，为此，本文介绍了两种基于多示例学习的去噪方法，能够有效的去除训练集中存在的噪声样本。
本次报告聚焦长时程智能体的退化困境与自我改进：一类是”忘”，即上下文坍缩、知识被重写抹掉；一类是”急”，即证据不足就过早下结论。重点…
复杂软件的模糊测试在大模型快速发展的当下，已经有了多种自动化测试方案，但受制于大模型的生成模式而存在测试效率低、成本高的问题。本次学术报告结合ProphetFuzz和G2FUZZ两…
联邦学习（Federated Learning）在2016年由谷歌最先提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或…
大数据时代的到来，同时也带来了隐私、敏感信息保护方面的棘手难题。数据脱敏措施层出不穷，K-Anonymity，L-Diversity，T-Closeness，以及相结合的微聚集算法…
联邦学习在为解决数据交换时的信息隐私安全及数据孤岛问题时被提出，现广泛应用的为横向联邦与纵向联邦，本次学术报告介绍了联邦学习的基本思路，并基于横向联邦说明了两种经典的参数更新和合并…
