李博的获奖研究方案中关注了三个目标，设计一个可信的联合学习（FL）框架，并从理论上保证其不同的隐私性、对拜占庭后门攻击的鲁棒性，以及基于 Shapley Value 的量化数据可解释性
李博的研究重点是机器学习、安全、隐私和博弈论。具体而言，她的大部分工作旨在探索机器学习系统在各种对抗性攻击下的脆弱性，并致力于开发有理论保证的鲁棒可信赖机器学习系统。
李博的团队安全学习实验室（Secure Learning Lab）的长期目标是使机器学习算法更加鲁棒、隐私保护、高效和可解释。她所带领的团队致力于探索不同类型的对抗性攻击，包括数字和物理世界中具有不同约束的逃避和中毒攻击。
目前团队已经开发并将继续探索基于博弈论的稳健学习算法、数据分布的先验知识以及学习任务的性质。这些研究成果可助力于计算机视觉、自然语言处理、音频识别和隐私保护机器学习系统等应用。
此次获得了 Facebook 研究奖项之后，她将带领团队进行为期一年的研究。在第 1-3 个月，研究将设计和开发差分隐私（DP）和高效的联合学习（FL）培训框架，其中每个代理将首先根据其部分数据/特征培训差分隐私的本地生成模型，研究将在图像数据集和信用评分数据集上实现该框架。
在第 4-7 月，该团队将开发针对后门攻击的可认证鲁棒联合学习（FL）框架，对经过训练的全局模型的认证边界的理论分析，以及使用不同的噪声分布和相应的收敛性训练的分析。
这里研究的目标是防御一般的后门攻击，研究团队还将针对不同类型的后门经验测试研究的框架，这将允许攻击者：
1）选择中毒实例的数量；2） 选择后门模式，包括其大小、位置和位置；3）为不同的培训实例独立生成不同的后门模式。
据悉，这将是首次针对各种后门攻击提供可证明鲁棒性的研究。在第 8-12 个月，研究团队将为水平联邦学习（HFL）和垂直联邦学习（VFL）设置开发高效的 Shapley 值计算算法，并在不同预测精度、鲁棒性、公平性，以及其他模型评估指标。
研究将开放包含新型通信优化模块的源代码，以降低代理和协调器之间的通信成本。之后研究团队将针对上述目标发布相应的三篇研究论文，并使用由连续和离散特征组成的不同类型的数据集评估研究提出的框架。
除去 Facebook 刚颁发的这一奖项，李博在 2021 年初获得了“2020 年 AWS 亚马逊研究奖获得者”奖项。在 2020 年获得了“英特尔 2020 年新星教师奖表彰 10 位顶尖研究人员”奖项。同时在 2020 年获得了 NSF CAREER Award，并荣获了“2019年第四季度 AWS 机器学习研究奖获得者”。
2020 年，李博入选了MIT TR 35，即 2020 年度《麻省理工科技评论》全球 35 岁以下科技创新 35 人的榜单。入选原因是她在对抗机器学习方面有着出色的研究成果。“35 岁以下科技创新 35 人”榜单评选涵盖发明家、创业家、远见者、人文关怀者及先锋者五大类，涉及软件创新、生物医****、互联网、材料科学、硬件传感、通信技术、新能源等几乎所有新兴技术领域。
李博还曾获得赛门铁克奖金，这项奖金由美国赛门铁克颁发的，用来奖励对计算机安全做出创新贡献的学者。
从李博的主页上可以了解到，她研究项目主要是两个方向：
一个是安全深度学习，旨在探索针对现实世界机器学习模型的实用新型攻击策略，并开发能够抵御强自适应攻击者的鲁棒学习算法。
另一个方向是保护隐私的机器学习和数据分析，旨在探索包括差异隐私在内的新技术，以在实践中实现隐私保护机器学习和数据分析，为保护隐私的机器学习和数据分析提供实用的现实解决方案，并深化大数据时代机器学习的理论理解。
27 岁，李博博士毕业后获得了全美超过 20 多个的 Offer，她最终在众多知名高校中选择了伊利诺伊大学，并成为了该校计算机科学系的助理教授。伊利诺伊大学非常注重 AI 学科及其发展。李博目前招收的是对机器学习、优化和安全感兴趣和有经验的有动力的研究实习生、博士和博士后，至今她已经培养了十余个相关领域的博士毕业生。
-End-

参考：
https://research.fb.com/research-award-recipients/

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。