2025年8月1日至3日，第五届计算机科学与区块链国际会议（CCSB 2025）在深圳举办。哥伦比亚大学毕业的杨津竹学者论文《联邦学习框架下成员推理攻击的多层防御与隐私增强策略》（Multi-Layer Defense Strategies and Privacy Preserving Enhancements for Membership Reasoning Attacks in a Federated Learning Framework）经严格评审入选本届会议，将由IEEE出版社正式出版并提交EI、Scopus数据库索引。CCSB会议作为计算机科学与区块链领域年度学术平台，论文录用需经领域专家多轮评审，入选成果代表当前技术应用与理论研究的前沿水平。杨津竹的研究针对联邦学习中成员推理攻击（通过模型输出反推训练数据隐私信息的安全威胁）这一核心问题，提出多层防御策略与隐私增强方案，为解决"数据可用不可见"的关键难题提供了技术路径，相关成果对医疗、金融等敏感数据场景的智能应用具有参考价值。此次研究成果通过国际学术平台认证并进入全球数据库体系，进一步体现了其研究在人工智能安全与隐私保护领域的前沿性。

聚焦前沿：从隐私保护到医疗智能的跨域突破

杨津竹的研究深耕人工智能与隐私保护交叉领域，此次入选会议的论文聚焦联邦学习中的成员推理攻击防御问题。她在论文中构建了整合特征扰动、梯度压缩与正则控制的多层防御模型，在 CIFAR-100 和 Purchase-100 数据集上的验证显示，该策略可将攻击准确率从 84.2% 和 91.6% 分别降至 34.7% 和 38.1%，成员推理成功率平均下降超 50%，同时保证模型 Top-1 准确率降幅不超过 3%，为平衡 AI 模型性能与数据隐私提供了具有实践价值的解决方案。

另据访谈获悉，杨津竹在医疗AI领域亦取得显著实践成果。其主导研发的"医疗记录自动化AI处理系统"实现电子病历处理效率的突破性提升——单份病历处理时间由传统30分钟压缩至0.5秒，准确率超90%，目前已在多家医学研究机构落地应用，显著提升临床研究效率。其在医疗自然语言处理方向的研究持续深耕，发表的《LLM模型与知识图谱在医学文本挖掘与知识提取中的综合应用》《多模型融合深度NLP系统在脑肿瘤随访影像报告分类中的应用》等论文，为自然语言处理技术在医疗场景的规模化应用提供了实证支撑。

学术深耕：从论文发表到行业评审的多维贡献

在学术产出层面，杨津竹已发表多篇学术论文，研究覆盖联邦学习隐私增强、医疗文本智能处理、大语言模型临床应用等前沿方向，相关成果被Google Scholar等学术平台收录。其研究聚焦医疗场景中数据隐私保护与模型效率的平衡难题，提出的可行方案为行业提供了关键参考，受到学界与业界的双重关注。

除了学术成果的持续产出，杨津竹在学术共同体中也扮演着活跃的评审角色。目前她已累计完成十余项国内外权威期刊及会议审稿工作，涉及《Springer Nature》《Public Library of Science (PLOS)》《Health Informatics Journal》等国际知名刊物。凭借对研究方法的严格把控与对创新方向的敏锐判断，她在学术界树立了专业可靠的评审口碑。谈及审稿经验，她表示：“审稿不仅是对他人研究的检验，更能倒逼自己紧跟前沿动态，这种双向互动让我更精准地捕捉到领域内的关键痛点。”

产学研融合：让 AI 技术扎根真实应用场景

在学术研究之外，杨津竹现任某AI初创公司NLP应用科学家，聚焦核心模型研发与学术成果产业化落地。其主导开发的医疗记录自动化AI处理系统，可实现临床笔记自动化处理与大语言模型在临床试验中的推理能力优化，目前在肿瘤、心血管疾病等重大疑难病症临床试验中得到应用。此前在金融科技领域，她研发的贷款推荐算法匹配成功率达79%，有效提升业务效率；在医疗AI方向，其设计的患者风险分层系统则为精准医疗方案制定提供了关键技术支撑。

从学术探索到产业实践，杨津竹始终以“解决实际问题”为核心导向，推动人工智能技术在隐私保护、医疗效率提升等场景中持续释放价值。此次论文入选国际会议，既是对她过往学术成果的高度认可，更为其在AI安全与智能应用交叉领域的持续深耕注入新动能。（刘卫东）

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com