01、招生要求
根据香港科技大学（广州）研究生院官方文件（2025年7月版），博士研究生申请者需满足以下基本条件：
学位背景：持有认可机构颁发的学士学位，且表现优异；或已完成为期至少一年的全日制研究生研究经历（或两年非全日制），成绩达标。
语言水平：托福iBT总分80分（单次成绩），或雅思（学术类）总分6.5分（单项不低于5.5分）。以英语为母语者，或学士学位由全英文授课机构授予者，可豁免此项要求。
经济支持：全日制博士生可获研究生奖学金，每月15,000元人民币，期限最长四年。学费为每年40,000元人民币。部分项目提供额外津贴。
截止日期：秋季入学申请通常于每年5月截止，具体以当年公布为准。
02、研究方向
DING Ningning教授现任香港科技大学（广州）信息枢纽数据科学与分析学域及物联网学域终身轨助理教授，其研究横跨人工智能、网络系统与网络经济学三大领域。
1. 人工智能方向
Machine Unlearning：研究如何在无需重新训练的前提下，从已部署模型中彻底移除特定数据影响，满足隐私法规（如GDPR）要求的"被遗忘权"。
Multi-agent Coordination and Game：聚焦去中心化环境中智能体的协作策略，通过博弈论与强化学习解决资源分配、任务协同与冲突避免问题。
Federated Learning：探索分布式机器学习框架下，多参与方在不共享原始数据的前提下联合训练模型，兼顾效率、公平与安全。
2. 网络系统方向
Internet of Things (IoT)：研究大规模物联网设备间的通信协议、边缘计算架构与能量优化策略。
Sharing Platform：分析共享经济平台（如滴滴出行）中的供需匹配、动态定价与服务质量保障机制。
3. 网络经济学方向
Data Trading：构建数据要素市场的交易机制，解决数据估值、定价与权属分配问题。
LLM Mechanism Design：针对大语言模型服务，设计激励相容的访问控制、算力分配与收益分配方案。
03、有想法
基于DING教授的研究布局，以下提出三个可落地的博士课题方向：
构想一：可验证的机器遗忘框架在医疗IoT中的应用
医疗物联网设备持续采集患者生理数据，当用户行使"被遗忘权"时，需证明其数据痕迹已从云端诊断模型中彻底擦除。本研究可构建基于密码学承诺的验证协议，将遗忘操作转化为可审计的零知识证明，使数据主体无需访问模型参数即可验证删除效果。技术路线结合差分隐私、模型剪枝与区块链存证，成果可应用于符合HIPAA与GDPR标准的远程医疗系统。
构想二：去中心化共享平台的动态博弈机制设计
现有共享平台依赖中央调度，存在单点故障与数据垄断风险。本课题可设计基于智能合约的去中心化博弈机制，将司机与乘客建模为理性智能体，通过重复博弈与声誉系统实现自发协调。重点解决冷启动阶段的策略收敛问题，以及恶意节点操纵评价系统的攻防平衡。实验平台可对接真实网约车数据集，验证机制在高峰期供需失衡场景下的鲁棒性。
构想三：联邦学习驱动的数据交易所
数据交易面临"数据可用不可见"与"价值难计量"的双重困境。本研究可构建联邦学习原生数据市场，买方提交模型训练任务，卖方在不暴露原始数据的情况下参与联合建模，报酬按数据贡献度（如Shapley值）自动分配。核心创新在于设计支持垂直联邦（特征空间不同）与水平联邦（样本空间不同）混合架构的定价算法，并引入同态加密保障商业机密。该框架可试点应用于跨境金融风控场景，兼顾数据主权与流动性。
