【报告摘要】人工智能的快速发展以及在各行各业广泛应用的同时带来了数据泄露风险的加剧，医学领域对数据隐私保护的需求尤为突出，但当前的主要矛盾在于隐私计算效率提升速度落后于工业应用需求。本针对医学数据敏感、高维、稀疏等特点，结合机器学习算法，包括Transformer、CNN计算结构等，充分发挥同态加密可证安全、低通信开销、SIMD等技术优势，结合团队多年参加iDASH国际隐私计算比赛的情况，以及与医疗行业企业合作研究的多个具体实例，介绍同态加密技术在医学领域的发展历程、工业应用需求、当下的挑战、未来应用前景和研究方向。

【报告人简介】吴文渊研究员，中科院重庆绿色智能技术研究院自动推理与认知中心主任，入选2022年“重庆英才—创新领军人才”,中国数学会计算机数学专委会副主任。1999年获北京大学数学学士，2007年获加拿大西安大略大学应用数学博士，后在美国密歇根大学从事博士后研究。长期从事自动推理与隐私计算研究，科学基金等多项课题，发表论文60余篇，包括FoCM，Math. Comp.，IEEE TIFS、SIAM J. ADS等计算数学和应用数学领域顶刊。近年来聚焦基于同态加密的机器学习研究，将成果落地应用于生物医学数据隐私保护，在2024、2025年美国NIH主办的iDash隐私计算大赛中，带领团队获得全同态加密赛道冠军、亚军。