李博的獲獎研究方案中關注了三個目標，設計一個可信的聯合學習（FL）框架，并從理論上保證其不同的隱私性、對拜占庭后門攻擊的魯棒性，以及基于 Shapley Value 的量化數據可解釋性
李博的研究重點是機器學習、安全、隱私和博弈論。具體而言，她的大部分工作旨在探索機器學習系統在各種對抗性攻擊下的脆弱性，并致力于開發有理論保證的魯棒可信賴機器學習系統。
李博的團隊安全學習實驗室（Secure Learning Lab）的長期目標是使機器學習算法更加魯棒、隱私保護、高效和可解釋。她所帶領的團隊致力于探索不同類型的對抗性攻擊，包括數字和物理世界中具有不同約束的逃避和中毒攻擊。
目前團隊已經開發并將繼續探索基于博弈論的穩健學習算法、數據分布的先驗知識以及學習任務的性質。這些研究成果可助力于計算機視覺、自然語言處理、音頻識別和隱私保護機器學習系統等應用。
此次獲得了 Facebook 研究獎項之后，她將帶領團隊進行為期一年的研究。在第 1-3 個月，研究將設計和開發差分隱私（DP）和高效的聯合學習（FL）培訓框架，其中每個代理將首先根據其部分數據/特征培訓差分隱私的本地生成模型，研究將在圖像數據集和信用評分數據集上實現該框架。
在第 4-7 月，該團隊將開發針對后門攻擊的可認證魯棒聯合學習（FL）框架，對經過訓練的全局模型的認證邊界的理論分析，以及使用不同的噪聲分布和相應的收斂性訓練的分析。
這里研究的目標是防御一般的后門攻擊，研究團隊還將針對不同類型的后門經驗測試研究的框架，這將允許攻擊者：
1）選擇中毒實例的數量；2） 選擇后門模式，包括其大小、位置和位置；3）為不同的培訓實例獨立生成不同的后門模式。
據悉，這將是首次針對各種后門攻擊提供可證明魯棒性的研究。在第 8-12 個月，研究團隊將為水平聯邦學習（HFL）和垂直聯邦學習（VFL）設置開發高效的 Shapley 值計算算法，并在不同預測精度、魯棒性、公平性，以及其他模型評估指標。
研究將開放包含新型通信優化模塊的源代碼，以降低代理和協調器之間的通信成本。之后研究團隊將針對上述目標發布相應的三篇研究論文，并使用由連續和離散特征組成的不同類型的數據集評估研究提出的框架。
除去 Facebook 剛頒發的這一獎項，李博在 2021 年初獲得了“2020 年 AWS 亞馬遜研究獎獲得者”獎項。在 2020 年獲得了“英特爾 2020 年新星教師獎表彰 10 位頂尖研究人員”獎項。同時在 2020 年獲得了 NSF CAREER Award，并榮獲了“2019年第四季度 AWS 機器學習研究獎獲得者”。
2020 年，李博入選了MIT TR 35，即 2020 年度《麻省理工科技評論》全球 35 歲以下科技創新 35 人的榜單。入選原因是她在對抗機器學習方面有著出色的研究成果。“35 歲以下科技創新 35 人”榜單評選涵蓋發明家、創業家、遠見者、人文關懷者及先鋒者五大類，涉及軟件創新、生物醫****、互聯網、材料科學、硬件傳感、通信技術、新能源等幾乎所有新興技術領域。
李博還曾獲得賽門鐵克獎金，這項獎金由美國賽門鐵克頒發的，用來獎勵對計算機安全做出創新貢獻的學者。
從李博的主頁上可以了解到，她研究項目主要是兩個方向：
一個是安全深度學習，旨在探索針對現實世界機器學習模型的實用新型攻擊策略，并開發能夠抵御強自適應攻擊者的魯棒學習算法。
另一個方向是保護隱私的機器學習和數據分析，旨在探索包括差異隱私在內的新技術，以在實踐中實現隱私保護機器學習和數據分析，為保護隱私的機器學習和數據分析提供實用的現實解決方案，并深化大數據時代機器學習的理論理解。
27 歲，李博博士畢業后獲得了全美超過 20 多個的 Offer，她最終在眾多知名高校中選擇了伊利諾伊大學，并成為了該校計算機科學系的助理教授。伊利諾伊大學非常注重 AI 學科及其發展。李博目前招收的是對機器學習、優化和安全感興趣和有經驗的有動力的研究實習生、博士和博士后，至今她已經培養了十余個相關領域的博士畢業生。
-End-

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