興趣和專長

機器學習（ML）在醫療保健、金融和零售等各個領域得到了廣泛應用，用於訓練預測模型，近年來機器學習服務平台越來越受歡迎。利用來自各個來源的大型資料集有助於提高這些模型的訓練準確性，但如此大規模的資料收集引發了嚴重的隱私問題。

我主要研究隱私權保護機器學習模型訓練，並專注於兩種情境：多方運算和聯邦學習。在多方計算（MPC）情境下，目前的方法使用昂貴的方案（例如混淆電路）來計算非線性活化函數及其導數，因為在MPC情境中計算這些函數具有技術挑戰性。同樣，在聯邦學習情境下，資料隱私與訓練效率無法兼得。我的研究致力於設計和實施新的隱私保護機器學習訓練方案，以在實際應用中既具備實用性又有效率。

評述

在Supra，我參與了多個研究問題，包括分散式金鑰產生（DKG），尤其是類群DKG的研究。此外，我還參與了各種密碼協定和函式庫的實作。

"精選研論文 "