Xi He
La nomination
Membre du comité du programme national
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2022
Xi He est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur. Les recherches de Xi He portent sur la confidentialité et la sécurité des mégadonnées, notamment sur le développement d’outils adaptés et dignes de confiance pour l’exploration des données et l’apprentissage automatique, qui comportent des garanties de sécurité et de confidentialité (S-C) vérifiables.
Plutôt que de corriger les problèmes de S-C des systèmes, elle adopte une approche fondée sur des principes pour concevoir des exigences vérifiables en matière de S-C et construire des outils pratiques qui répondent à ces exigences. En considérant la S-C comme un élément fondamental de la conception de systèmes et d’algorithmes, elle a démontré que les systèmes de bases de données et les outils d’apprentissage automatique sensibles à la S-C offraient de nouvelles possibilités d’optimisation.
Xi He a publié des articles lors des principales conférences sur les bases de données, la confidentialité et l’apprentissage automatique, notamment SIGMOD, VLDB, CCS, PoPets et AAAI. Elle a écrit «?Differential Privacy for Databases?» dans Foundations and Trends in Databases et a présenté des tutoriels très appréciés sur la confidentialité aux conférences VLDB 2016, SIGMOD 2017 et SIGMOD 2021.
Prix
- Prix du jubilé d’or pour l’excellence en recherche, Faculté de mathématiques, Université de Waterloo, 2024
- Prix de recherche Google sur les données, l’analyse et l’information, Google, 2023
- Prix de recherche Meta sur les technologies préservant la vie privée, Meta, 2022
- Membre distingué du comité de programme, ACM SIGMOD, 2021
- Prix de la meilleure thèse de doctorat, Université Duke, 2018
- Bourse de doctorat Google sur la confidentialité et la sécurité, 2017
- Prix de la meilleure démonstration, VLBD, 2016.
Publications Pertinentes
- Mohapatra, S., Zong, J., Kerschbaum, F. et He, X. (2024). « Differentially private data generation with missing data », Proceedings of the VLDB Endowment.
- Pappachan, P., Zhang, S., He, X. et Mehrotra, S. (2024). « Preventing inferences through data dependencies on sensitive data », IEEE Transactions on Knowledge and Data Engineering (TKDE).
- Zhang, S., He, X., Kundu, A., Mehrotra, S. et Sharma, S. (2024). « Secure normal form: Mediation among cross cryptographic leakages in encrypted databases », Proceedings of the 40th International Conference on Data Engineering.
- Pappachan, P., Zhang, S., He, X. et Mehrotra, S. (2023). « Preventing inferences through data dependencies on sensitive data », IEEE Transactions on Knowledge and Data Engineering (TKDE).
- Mohapatra, S., Sasy, S., He, X., Kamath, G. et Thakkar, O. (2022). « The role of adaptive optimizers for honest private hyperparameter selection », Proceedings of the AAAI Conference on Artificial Intelligence, vol. 36, no 7, p. 7806-7813.