9月24日，中国人民大学吴玉章讲席教授许王莉应邀来我院作题为"POMT: A Private Online Multiple Testing Framework with Adaptive Budgets"的学术报告。报告由统计与数学学院副院长（挂职）金立斌主持，各系部教师及研究生代表参加。

　　许王莉现为中国人民大学吴玉章讲席教授、博士生导师，长期从事数理统计与高维数据统计推断研究。她先后主持5项国家自然科学基金项目，以及北京市自然科学基金重点研究专题、教育部人文社会科学重点研究基地重大项目、教育部人文社会科学研究基金等多项课题，在JASA、JRSSB、Biometrika、TPAMI等国际顶级期刊发表论文百余篇；入选"新世纪优秀人才支持计划"和"北京市科技新星计划"，曾获第十二届北京市统计科研优秀成果奖一等奖（2014年）、第一届统计科学技术进步奖二等奖（2021年）。

　　报告中，许王莉围绕在线多重检验中的隐私保护难题作了系统阐述。她指出，伴随生物医学研究与信息技术的快速发展，在线多重检验的应用日益广泛，而检验过程中涉及的敏感个人信息安全已成为不可回避的关键问题。目前该领域唯一已有的隐私保护方法PAPRIKA虽能同时提供严格的隐私保护与错误发现率控制，但其对p值的扰动处理破坏了原假设下p值的超均匀性，并使各拒绝阈值之间产生复杂依赖，导致拒绝规则过于保守、检验功效受损。针对这一局限，她提出了一种通用的隐私保护在线多重检验框架POMT：一方面构造新型p值变换，在实现隐私保护的同时保持超均匀性；另一方面设计统一的预算校准规则，自适应地抵消隐私机制所引入的额外第一类错误。理论分析表明，该方法可在有限样本下同时控制族错误率（FWER）与错误发现率（FDR），并给出了检验功效的上下界，从理论上确立了其相对已有方法的功效优势。大量模拟实验与真实数据分析进一步验证了上述结论，表明POMT在提供强隐私保护的同时，相较非隐私基准方法仅损失少量检验功效，为隐私保护场景下开展大规模统计推断提供了兼具严谨性与实用性的新工具。

　　报告结束后，与会师生围绕p值变换的构造思路、隐私预算的自适应分配机制，以及该方法在金融风控、审计数据等场景中的应用前景，与许王莉进行了深入交流，现场讨论气氛热烈。本次报告促进了我院师生与高水平学者之间的学术对话与经验共享，进一步拓宽了师生的科研视野，对提升学院整体科研水平、推动统计学与学校优势学科的交叉融合具有积极作用。

（图文  刘馨忆）