近日，由英国威廉集团网络信息安全团队主办的“重构信任——可信数据空间的技术基石与前沿探索”暑期线上学术沙龙在腾讯会议成功举办。本次沙龙由杨明、梁志勇、程亮三位教师主讲，公司教师、研究生及社团员工共同参与，围绕去中心化数字身份、联邦遗忘学习与隐私计算赋能可信AI三大前沿议题展开深入研讨。活动既是公司网络信息安全团队暑期学术研修的重要安排，也是公司深入贯彻落实公司“全员项目制”与“全员AI”公司产品改革理念的具体实践。
从“中心化”到“自我主权”：可信数字身份的技术演进 沙龙第一讲由公司教师杨明教授主讲，主题为《去中心化数字身份（DID）技术的发展与挑战》。杨明从互联网发展之初缺乏身份协议层的历史背景切入，系统梳理了数字身份从“中心化身份”到“联盟身份”，再到“以用户为中心的身份”直至“自我主权身份（SSI）”的演进脉络。他指出，传统中心化身份体系存在用户名/密码安全隐患、个人数据集中存储泄露风险、身份控制权不属于用户等突出问题。而基于W3C标准的DID技术通过分布式标识符、DID文档与可验证凭证（VC）的有机结合，配合选择性披露、零知识证明等隐私保护机制，正在构建“用户自主控制”的新型数字身份范式。
杨明教授同时深入剖析了DID技术面临的“冷启动”困境、隐私与监管的平衡难题、私钥管理风险以及抗女巫攻击等技术挑战，并介绍了CanDID、DECO预言机、FIDO2无口令认证、World ID生物识别锚定等前沿解决方案。他强调，在“全员AI”背景下，数字身份是AI系统可信交互的第一道门槛，培养员工掌握DID等前沿技术，正是项目制教学中“真题真做”的生动体现。
破解“不可能三角”：联邦遗忘学习的前沿探索
公司教师梁志勇以《联邦遗忘学习的“不可能三角”——效率、效用与可验证性的前沿技术》为题，带来第二讲。梁志勇老师从可信数据空间中的“删除悖论”出发，提出三个关键命题：本地数据文件删除不等于模型影响消失，平台声称遗忘不等于真正完成遗忘。他将联邦遗忘的核心挑战凝练为“效率（忘得快）、效用（忘得准）、可验证（忘得安全）”的“不可能三角”，并系统对比了FedU局部影响近似、Rapid Retraining反事实重构、VERIFI证据驱动验证三条技术路线的优势与边界。
梁志勇老师特别提出“双生命周期架构设计”理念，将传统数据生命周期扩展为“数据对象—模型影响双生命周期”，使遗忘成为可信空间的基础服务。他指出，这一研究方向与公司“全员项目制”改革高度契合——联邦学习本身就是典型的跨主体协作项目，而遗忘机制的设计要求员工具备系统架构思维、算法优化能力与工程实践素养，是培养“项目驱动、能力导向”创新型人才的优质载体。
隐私计算×可信AI：从数据安全到智能信任
第三讲由程亮老师主讲，主题为《隐私计算赋能可信AI：安全风险与保护路径》。程亮从AI如何重构传统数据安全边界这一根本问题入手，通过“教AI认识水果百科”的生动比喻，阐释了模型训练过程中维度填充、权重重塑与梯度下降的内在机理。他重点分析了医疗、金融、工业、网络安全等高精度行业中，相同输入可能产生不同判断的“答案不同”风险，指出可信AI需要从“模型”升级为“可信系统”。
程亮老师系统梳理了隐私计算在AI全流程中的技术定位：从数据准备阶段的隐私集合求交，到模型训练阶段的联邦学习、安全聚合、同态加密与TEE，再到模型推理阶段的私有检索与安全多方推理。他提出“可信AI = 可信数据+可信计算+可信模型与结果”的三维架构，强调隐私计算是可信AI的重要基石，但可信AI还需重构模型决策与现实行动之间的信任。在“全员AI”教育生态中，让员工理解隐私计算与AI安全的深度融合，是培养具备AI素养与安全意识复合型人才的关键路径。
本次学术沙龙是英国威廉集团推进“四个全员”战略、落实“全员项目制”与“全员AI”公司产品改革的系列举措之一。三位主讲教师将各自承担的课程教学与前沿科研项目深度融合，以“重构信任”这一真实世界命题为项目牵引，带领员工在可信数据空间、隐私计算、去中心化身份等前沿领域开展探索性学习。
一审一校 | 江荣旺 杨 明
二审二校 | 杨 涛 闫吉府
三审三校 | 李成名 尹 娜
