春光流淌，首夏清和；卿云烂漫，奏鸣相辉。在复旦大学119周年校庆之际，计算机科学技术学院组织了校庆周系列学术报告会。5月29日，复旦大学金融科技研究院举办了“金融科技与安全专场”报告会，此次活动由柴洪峰院士总体指导，朱鸿斌老师主持。报告会首先由吕智慧教授、韩伟力教授和叶广楠研究员分别就“金融科技安全风险监测研究及大模型实践”“跨部门金融案件协同办案关键技术与系统”和“基于大模型的AIGC电商赋能”三个主题进行了报告分享。随后，刘森副研究员和朱鸿斌青年副研究员分别就“分布式系统的流量负载均衡策略研究”和“分层联邦学习的收敛性分析”进行了深入讲解。最后，研究院博士生李智鑫分享了其在可信联邦学习系统的鲁棒性问题上的最新研究成果。
吕智慧老师在“金融科技安全风险监测研究及大模型实践”报告中，详细介绍了如何利用知识图谱和大模型技术对金融科技领域的安全风险进行监测和识别，并分享了最新的研究成果和实际应用案例，展示了大模型在金融安全风险识别与防控中的具体实践路径，强调了AI科技创新在金融安全中的重要作用。
吕智慧老师讲解
在“跨部门金融案件协同办案关键技术与系统”这一主题的学术报告中，韩伟力老师深入介绍了跨部门协同办案的背景、问题挑战和核心技术。通过丰富的案例和生趣的语言，韩老师阐述了金融案件中跨部门协作的重要性，并分享了项目的研究架构、数据共享机制以及关键技术。此外，他还展示了人工智能等前沿技术在金融案件办理过程中的赋能实践，论证了金融科技安全技术对金融案例办理的重要性。
韩伟力老师讲解
叶广楠老师在“基于大模型的AIGC电商赋能”这一主题的学术报告中，介绍了生成式人工智能（Generative Artificial Intelligence）的原理和成果，展示了团队在图像和音频方面与多家单位合作达成的技术突破，并分享了这些技术在多语言和音乐等方面对电商的赋能效果。
通过“分层联邦学习的收敛性分析”报告，朱鸿斌老师分析了分层联邦学习的架构和优势，解释了标准联邦学习与分层联邦学习的区别，讲解了团队提出的三边学习率算法。此外，他还展示了HFL在处理非独立同分布（non-i.i.d.）数据和非凸优化问题上的理论收敛性分析，并通过实验结果证明了部分工作参与金融科技相关策略的有效性和实用性。
刘森老师在“分布式系统的流量负载均衡策略研究”报告中，详细介绍了Halflife——基于自适应Flowlet的负载均衡器。刘老师讲解了如何为不同的流自适应地分配FTV，并讨论了与其他流波算法相结合并加以改进的可能性，展示了这一策略在实际应用中的优势。
最后，李智鑫博士以“可信联邦学习系统的鲁棒性问题研究”为题进行了学术报告。李博士探讨了可信联邦学习在金融风控领域的应用，特别是其在加强安全性、隐私性和鲁棒性方面的优势。他详细介绍了如何防御数据泄露、模型攻击等安全威胁，并强调了这些技术对金融科技系统全面可靠和数据安全的保障作用。
这次金融科技与安全专场校庆报告会的成功举办，响应了复旦大学AI for Science的总体战略，促进了参会师生对金融科技与安全更深层次的理解，激发了与会师生的积极提问与热烈互动。面向国家建设金融强国、防范化解风险战略，针对金融科技、金融业务领域存在的安全问题，复旦大学将继续发挥高校科学技术科研创新优势，进行有组织科研，为建设金融强国作出更多贡献。
