（通讯员：刘静）2025年4月3日下午16：00，我院特邀北京大学丁剑教授做学术报告。本次报告由澳门博彩在线 承办，在南湖校区老图书馆四楼会议室，会议由院长王纯杰教授主持，澳门博彩在线 部分老师及研究生参加了本次学术报告会。

  会议开始之际，由王纯杰院长作为代表对丁教授的到来表示感谢，并对刘教授及其研究内容做了介绍。

报告人简介：国际概率论领域的杰出学者，国家级重大人才称号，现任北京大学数学科学澳门博彩在线 讲席教授、博士生导师，并兼任大数据分析与应用技术国家工程实验室联聘教授。他于2006年获北京大学数学学士学位，2011年获加州大学伯克利分校博士学位，曾在斯坦福大学、华盛顿大学及数学科学研究所（MSRI）从事博士后研究，历任芝加哥大学统计系助理教授、终身副教授，宾夕法尼亚大学统计系终身副教授及Gilbert Helman讲席教授，2022 年全职加入北大。丁剑教授的研究聚焦概率论与统计物理、理论计算机科学的交叉领域，在随机约束满足问题、随机平面几何、安德森局域化、无序自旋模型等方向取得突破性成果，其工作深刻揭示了概率论与复杂系统科学的内在联系。他在 Acta Math.、Ann. Math.、Invent. Math.等顶级期刊发表论文50余篇，提出随机约束相变分析框架，建立随机平面几何渐近理论，解决无序系统临界行为关键问题，并在随机环境中的随机游走、随机薛定谔算子等领域做出系统性贡献。作为国际学术领军者，丁剑教授受邀在2022年国际数学家大会及2024年国际数学物理大会作特邀报告，长期担任 J. Amer. Math. Soc.、Ann.Probab.等期刊编委，屡获英国 Rollo Davidson 奖（2017）、世界华人数学家大会数学金奖（2022）、科学探索奖（2023）及法国 Loève 概率奖（2023）等殊荣。他致力于数学教育，主讲《随机过程 II》课程，培养学生创新思维与解决复杂问题的能力，以跨学科视野推动概率论与人工智能、量子物理等领域的深度融合，成为全球数学界极具影响力的学者。

报告题目：报告题目是“Recent progress on random graph matching problems”，即“随机图匹配问题的近期进展”。

摘要：A basic goal for random graph matching is to recover the vertex correspondence between two correlated graphs from an observation of these two unlabeled graphs. Random graph matching is an important and active topic in combinatorial statistics: on the one hand, it arises from various applied fields such as social network analysis, computer vision, computational biology and natural language processing; on the other hand, there is also a deep and rich theory that is of interest to researchers in statistics, probability, combinatorics, optimization, algorithms and complexity theory. Recently, extensive efforts have been devoted to the study for matching two correlated Erdős–Rényi graphs, which is arguably the most classic model for graph matching. In this talk, we will review some recent progress on this front, with emphasis on the intriguing phenomenon on (the presumed) information-computation gap. In particular, we will discuss progress on efficient algorithms thanks to the collective efforts from the community. We will also point out some important future directions, including developing robust algorithms that rely on minimal assumptions on graph models and developing efficient algorithms for more realistic random graph models. This is based on joint works with Guanyi Chen, Yumou Fei, Hang Du, Shuyang Gong, Zhangsong Li and Yuanzheng Wang.

  领域背景：随机图匹配旨在通过观察两个未标记的相关图，恢复它们顶点间的对应关系，是组合统计中的重要活跃话题，涉及社交网络分析、计算机视觉等应用领域，也有丰富理论受多领域研究者关注。报告中提到了一个具体的应用案例：网络去匿名化（Network de-anonymization）。这个应用展示了如何通过分析社交网络中的链接结构来识别用户的身份。例如，图中显示了LinkedIn和Twitter上的两个网络，其中一个网络中的用户身份已知（如Alice、Bob和Charlie），而另一个网络中的用户身份未知（标记为问号）。通过随机图匹配算法，可以尝试将这两个网络进行匹配，从而推断出未知用户的身份。

  研究进展：重点回顾匹配两个相关的Erdős–Rényi图（经典图匹配模型）的最新进展，探讨（假定的）信息 - 计算差现象，介绍领域内高效算法的进展情况 。

未来方向：提出开发依赖图模型假设最少的稳健算法，以及为更实际的随机图模型开发有效算法等重要研究方向。 此外，从您提供的PPT图片中可知，还涉及“Network de - anonymization（网络去匿名化 ）”应用，通过LinkedIn和Twitter示例展示相关概念。

  这项研究对未来的影响和帮助主要体现在以下几个方面：

1. 网络安全：网络去匿名化技术可以帮助识别网络中的恶意行为者，提高网络安全。

2. 社交媒体分析：通过分析社交网络中的链接结构，可以更好地理解用户的行为模式和社会关系，为社交媒体平台提供更精准的服务。

3. 数据隐私：这项技术也可能引发对个人隐私的关注，需要在使用时平衡好隐私保护和数据利用的关系。

4. 学术研究：随机图匹配算法的发展将推动相关领域的理论研究和技术进步，为其他领域的问题解决提供新的思路和方法。

  本次学术交流会拓展了同学们的学术视野，也激发了同学们的学习热情，更加努力学习研究新的领域与方法，聆听报告的师生均表示受益匪浅。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

澳门博彩在线

2025年4月3日