为加强国际学术交流，11月14日下午，应统计与数据科学学院邀请，加拿大阿尔伯塔大学孔令龙教授在慎思楼214教室作了题为《二分类响应模型的差分隐私分析：最优性、估计与推断》的学术报告。学院副院长沙叶舟参加活动。

报告中，孔令龙深入剖析了当前数据隐私保护领域的研究现状与核心挑战。他指出，随着数据安全重要性日益凸显，如何在严格保障隐私的前提下开展高效可靠的统计推断，已成为学术界和实际应用领域亟待解决的关键问题。现有标签隐私保护随机响应方法存在明显不足：一是忽略了协变量的潜在影响，导致模型与实际数据特征贴合度不足；二是在隐私保护强度与统计分析准确性之间难以实现最优平衡。

针对这些问题，孔令龙创新性地提出了面向二元响应变量的标签差分隐私分析新方法。该方法在满足预设隐私约束的前提下，通过最大化费舍尔信息矩阵的迹，显著提升了统计分析结果的精准度。研究还同步构建了具备名义覆盖率的私有置信区间，为隐私保护下的可靠统计推断提供了有力支撑。他从理论层面证明了该方法的最优性，并通过大量模拟实验与真实数据分析验证：相较于传统方法，新方法在估计精度、隐私保护效果及统计推断可靠性等核心维度均展现出显著优势。

在交流环节，与会师生围绕理论证明细节、数据模拟设计及实际应用场景等问题踊跃提问，孔令龙一一给予了细致解答。

此次报告为学院师生提供了与国际顶尖学者深入交流的机会，拓展了学术视野，推动了学院在数据隐私保护与统计推断交叉领域的研究发展，为后续学术探索与合作奠定了坚实基础。

孔令龙现任加拿大阿尔伯塔大学数学与统计科学系教授，担任加拿大统计学习研究主席、加拿大CIFAR人工智能主席，是美国统计协会和阿尔伯塔机器智能研究所会士。他在Annals of Statistics、Journal of the American Statistical Association等顶级期刊和会议上发表论文120余篇，研究方向涵盖高维数据分析、统计机器学习、可信机器学习等前沿领域。

学院青年教师及研究生参加活动，报告由数理统计系主任安百国主持。