刘洋，现任清华大学智能产业研究院副研究员/副教授。2007年获得清华大学化学工程本科学位，2012年获得美国普林斯顿大学化学工程博士学位。2018年加入深圳前海微众银行股份有限公司，任资深研究员、AI部门联邦学习研究团队负责人，此前她曾先后就职于美国空气产品公司（Air Products）、美国Dataminr Inc.公司从事研究工作。她拥有20余项国际国内授权专利，超过100件专利申请，并在《Nature》，AAAI，IJCAI，USENIX，ACM TIST等知名学术期刊发表科研成果，总引用数超过3000。她是《联邦学习》和《Federated Learning》的主要作者之一。 她目前担任ACM TIST期刊副主编，曾担任IEEE Intelligent Systems， IEEE BigData等期刊客座编辑，在ICML、Neurips等多个会议组织专题研讨会。曾获深圳金融科技专项奖一等奖，AAAI人工智能创新奖等多个奖项。
邮箱地址：
liuy03@air.tsinghua.edu.cn
教育经历：
2007-2012 美国普林斯顿大学 化学与生物工程学 博士
2003-2007 清华大学 化学工程学 本科
工作经历：
2021-至今 清华大学智能产业研究院 副研究员/副教授
2018-2021 深圳前海微众银行股份有限公司 资深研究员、AI部门联邦学习研究团队负责人
2016-2018 美国Dataminr Inc公司 数据科学家
2012-2015 美国空气产品公司（Air Products） 高级研究工程师
研究领域：
她的研究方向包括机器学习、联邦学习、隐私计算、多智能体系统、统计力学以及这些技术的产业应用。通过技术研究来全面护航数据安全，并通过搭建平台和激励机制设计等充分连接和挖掘数据价值，促进数据合作和多方共赢，把研究成果应用于医疗健康、自动驾驶，智慧制造等领域。
近期论文著作摘选：
1. Q Yu, Y Liu*, Y Wang, K Xu, J Liu*，Multimodal Federated Learning via Contrastive Representation Ensemble，International Conference on Learning Representations (ICLR), 2023
2. H Takahashi，J Liu， Y Liu*， Breaching FedMD: Image Recovery via Paired-Logits Inversion Attack，The IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）， 20233. Y Deng, W Chen, J Ren, F Lyu, Y Liu, Y Liu, Y Zhang，TailorFL: Dual-Personalized Federated Learning under System and Data Heterogeneity，Proceedings of the 20th ACM Conference on Embedded Networked Sensor Systems （Sensys）2022
4. Y Liu*, X Zhang, Y Kang, L Li, T Chen, M Hong, Q Yang*, FedBCD: A communication-efficient collaborative learning framework for distributed features, IEEE Transactions on Signal Processing 70, 4277-4290, 2022
5. T Zou, Y Liu*, Y Kang, W Liu, Y He, Z Yi, Q Yang, YQ Zhang，Defending batch-level label inference and replacement attacks in vertical federated learning, IEEE Transaction on BigData, 2022
6. Z Liu, Y Chen, Y Zhao, H Yu*, Y Liu*, R Bao, J Jiang, Z Nie, Q Xu & Q Yang*. Contribution-Aware Federated Learning for Smart Healthcare, in Proceedings of the 34th Annual Conference on Innovative Applications of Artificial Intelligence (IAAI-22). (AAAI’22 Innovative Applications of AI Award)
7. Y Liu, T Fan, T Chen, Q Xu, Q Yang, FATE: An industrial grade platform for collaborative learning with data protection, Journal of Machine Learning Research 22.226 (2021): 1-6.
8. Y. Liu*, T. Chen & Q. Yang. Secure Federated Transfer Learning. IEEE Intelligent Systems, vol. 35, no. 4, pp. 70-82, 1 July-Aug. 2020
9. Y. Liu*, A Huang, Y Luo*, H Huang, Y Liu, Y Chen, L Feng, T Chen, H Yu* and Q Yang, FedVision: Visual Object Detection powered by Federated Learning, Thirty-Second Annual Conference on Innovative Applications of Artificial Intelligence (Innovation Award，AAAI-IAAI’20)
10. Q. Yang, Y. Liu, T. Chen & Y. Tong. Federated machine learning: Concept and applications. ACM Transactions on Intelligent Systems and Technology, vol. 10, no. 2, pp. 12:1–12:19, 2019
11. K. Cheng&, T. Fan, Y. Jin, Y. Liu*, T. Chen, Q. Yang, SecureBoost: A Lossless Federated Learning Framework, IEEE Intelligent Systems （Best Paper Award），2021
12. C. Zhang, S. Li, J. Xia, W Wang, F Yan, Y. Liu, BatchCrypt: Efficient Homomorphic Encryption for Cross-Silo Federated Learning, USENIX Annual Technical Conference 2020
13. 《联邦学习》. 电子工业出版社，2020
14. Federated Learning. Morgan & Claypool Publishers 2019
15. Fair and Explainable Dynamic Engagement of Crowd Workers，In Proceedings of the 28th International Joint Conference on Artificial Intelligence (Innovation Reward，IJCAI'19)
