个人简介
宋晓冬（Dawn Song）是全球顶尖的计算机安全、人工智能和区块链领域学者，现任加州大学伯克利分校计算机科学系教授，并担任伯克利负责任去中心化智能研究中心（Berkeley RDI）联合主任。她被誉为"计算机安全教母"，是Oasis Labs的创始人兼CEO。她的研究涵盖AI安全、深度学习、系统安全与隐私、去中心化技术等领域，发表了大量高影响力论文，获得超过10项顶级会议的时间检验奖和最佳论文奖。她是ACM Fellow、IEEE Fellow，并当选为美国艺术与科学院院士。她还被评为AMiner计算机安全领域最具影响力学者，并入选《Inc.》杂志女性创始人100强和《Wired》25位创新者名单。
主要成就
- 获得麦克阿瑟"天才奖"（MacArthur Fellowship）
- 获得古根海姆奖（Guggenheim Fellowship）
- 获得Schmidt Sciences AI2050高级研究员称号
- 获得NSF CAREER奖
- 获得阿尔弗雷德·P·斯隆研究奖学金（Alfred P. Sloan Research Fellowship）
- 获得MIT技术评论TR-35奖（35岁以下顶尖创新者）
- 获得ACM SIGSAC杰出创新奖
- 获得超过10项顶级会议的时间检验奖和最佳论文奖
- 被评为AMiner计算机安全领域最具影响力学者（最高引用学者）
- 当选为ACM Fellow
- 当选为IEEE Fellow
- 当选为美国艺术与科学院院士（American Academy of Arts and Sciences）
- 入选《Inc.》杂志女性创始人100强（Female Founder 100 List）
- 入选《Wired》杂志25位创新者名单（Wired25 List of Innovators）
- 创办Oasis Labs，推动隐私保护计算和区块链技术发展
成长历程
1996年前后
本科教育阶段
宋晓冬在中国完成本科教育，展现出对计算机科学的浓厚兴趣和天赋。
1999年
卡内基梅隆大学硕士毕业
获得卡内基梅隆大学计算机科学硕士学位，期间奠定了计算机安全和系统研究的坚实基础。
2002年
加州大学伯克利分校博士毕业
获得加州大学伯克利分校计算机科学博士学位，博士论文专注于计算机安全领域，此后留校开展教学科研工作。
2002-2010年代
伯克利任教与早期研究突破
在伯克利任教期间，在计算机安全领域取得一系列突破性成果，包括加密数据搜索、动态污点分析、传感器网络安全等方向的开创性研究，发表多篇高引用论文。
2010年
获得NSF CAREER奖
获得美国国家科学基金会CAREER奖，这是授予青年学者的最高荣誉之一，标志着其学术地位的确立。
2010年
获得斯隆研究奖学金
获得阿尔弗雷德·P·斯隆研究奖学金，进一步肯定其在计算机科学领域的杰出贡献。
2012年
获得MIT TR-35奖
入选MIT技术评论35岁以下顶尖创新者（TR-35），表彰其在技术创新方面的突出贡献。
2015年前后
拓展AI安全研究
将研究重心拓展至人工智能安全领域，开展深度学习安全性、对抗样本攻击与防御、AI系统可解释性等前沿研究，引领AI安全学科发展。
2017年
创办Oasis Labs
创立Oasis Labs，致力于构建隐私保护、可扩展的区块链平台，推动去中心化技术和隐私计算的商业化应用。
2019年
获得麦克阿瑟天才奖
获得麦克阿瑟基金会"天才奖"（MacArthur Fellowship），这是美国最具声望的奖项之一，表彰其非凡的创造力和卓越成就。
2020年
获得古根海姆奖
获得约翰·西蒙·古根海姆纪念基金会奖学金，进一步认可其学术影响力。
2021年前后
推动负责任去中心化智能
联合创立并领导伯克利负责任去中心化智能研究中心（Berkeley RDI），推动跨学科研究，探索AI与区块链技术的负责任发展路径。
2022年
入选美国艺术与科学院
当选为美国艺术与科学院院士，这是美国学术界的最高荣誉之一。
2023年
入选Wired25创新者
入选《Wired》杂志25位创新者名单，表彰其在技术创新和创业方面的杰出贡献。
2024年
持续引领AI安全与Agentic AI研究
继续领导伯克利在AI安全、Agentic AI、隐私保护计算等前沿领域的研究，培养新一代计算机安全和AI人才。
相关文章
经典观点
"隐私保护是构建可信AI系统的核心，我们需要在保护数据隐私的同时实现数据价值。"
— Oasis Labs公开演讲
"去中心化技术将为AI发展提供新的范式，实现数据主权和模型可信。"
— Berkeley RDI研究方向
"AI安全不仅是技术问题，更是涉及伦理、社会和经济层面的系统性挑战。"
— 学术会议主题演讲
"智能合约安全需要形式化验证和自动化工具的支持，不能仅依赖人工审计。"
— 区块链安全研究论文