针对人工智能在大数据层面的隐私问题，研究同态加密、差分隐私、隐私协议等“数据可用不可见”的底层理论技术，同时研究支持隐私保护的联邦学习等框架，解决数据孤岛问题，推动人工智能的落地。

      人工智能与数据相辅相成、互促发展。一方面，海量优质数据助力人工智能发展，另一方面，人工智能显著提升数据收集管理能力和数据挖掘利用水平。数据已成为本轮人工智能浪潮兴起发展的关键要素，而数据孤岛问题已成为制约人工智能发展最大的障碍和瓶颈之一。人工智能提升数据资源价值，反过来令数据隐私问题更为重要。传统的隐私保护技术在效率、功能和适用性等方面以及在解决大数据隐私方面都面临巨大挑战。本研究方向主要针对人工智能在大数据层面的隐私问题，开展同态加密、差分隐私、隐私协议等底层理论技术的研究，同时展开支持隐私保护的联邦学习技术研究，解决数据孤岛问题，推动人工智能的落地。