干皓丞

北京大学

• 学業優秀賞 (2024年4月)

龍華科技大学

• 学業優秀賞 (2012年11月、2013年4月、2013年10月、2014年5月)
• 副専攻：フィンテック；イノベーション・起業

Foxconn Technology Group

• 組み込みシステムとAIOT技術
• 人工知能とディープラーニング
• 産業用生産ラインの改善

北京大学

• Webシステム保守
• 人工知能・暗号学の授業TA
• 事務所の文書業務

OxBridge Consulting Inc

• ユーザーインターフェース設計
• フロント・バックエンド開発
• システム機能テスト
• 使用言語・ソフト：JavaScript、AngularJS、PHP、CSS、MySQL、AWS、Ubuntu Server

義務兵役

• 軍事訓練
• チーム管理（日常業務支援、相談、新兵オリエンテーション等）
• 災害支援

龍華科技大学

• ネットワーク機器の導入・保守
• Linuxサーバー・R言語の授業・課題採点補助

JGNet Taiwan

• 住宅地域向けブロードバンドの設計・設置・保守

• プログラミング R、PHP、JavaScript、Java、Python、C#、Visual Basic、CSS
• サーバー Ubuntu、RedHat、SuSE、Windows Server
• データベース MariaDB、Oracle 11g、MS SQL、Hadoop
• プロジェクト管理 GitHub、Git
• Webフレームワーク Laravel、Angular、React、Vue、Python Flask
• 組版 LaTeX、Microsoft Word
• DevOps Docker、AWS
• MLフレームワーク TensorFlow、PyTorch

• e-Enterprise Data Analyst, 2016
• Red Hat Certified System Administrator (RHCSA), 2015
• Novell Certified Linux Administrator (NCLA 11), 2014
• Oracle Certified Expert (OCE 10g), 2014
• Oracle Certification for Java Programmer (OCJP 6), 2013
• IPMA Certified Project Management Associate (Level D), 2013

KoalaMamba: A Federated Method with Vision Mamba UNet for Privacy-Preserving Medical Segmentation (Jun 2026)

• 概要 分散型機械学習は、臨床診断および治療計画における医用画像セグメンテーションに大きな可能性を持つ。しかし、複数の医療機関にまたがる協調学習は厳格なプライバシー要件により根本的に制約され、データ共有が制限され大規模展開が困難となる。本稿では、プライバシー保護型医用セグメンテーション向けの実用的な連合学習（FL）手法 KoalaMamba を提案し、複数の FL 最適化手法との互換性を保つ。KoalaMamba はクライアント側差分プライバシー（DP）を連合学習に統合し、個々の記録が学習に参加したかを統計的に推定しにくくすることで、プライバシー漏洩リスクを軽減し機関の機密性を保護する。セグメンテーション精度と汎化性能の向上のため、VMUNet、HVMUNet、VMUNetV2 を含む Vision Mamba UNet 系アーキテクチャを設定可能なバックボーンとして採用する。ISIC 2018 皮膚鏡セグメンテーションベンチマークでは、多様な FL 設定で競争力のある性能を示し、特に SCAFFOLD Non-IID 設定で Moment Accountant（MA）による DP（ε=10、δ=10⁻⁵）を有効化した際、IoU 0.7822・DSC 0.8778 を達成した。この DP 制約下の結果は UNet ベースラインを大幅に上回り、DP なしの強力な Mamba バックボーンとも遜色ない。さらにプライバシー評価実験では、より厳しい予算（ε=1）の DP により攻撃成功率（ASR）を 0.92 から 0.19 へ、メンバーシップ推論 AUC を 0.89 から 0.51 へ低下させ、実用的なセグメンテーション性能を保ちつつプライバシー漏洩を効果的に抑制することを示した。
• キーワード 連合学習、プライバシー保護、医用画像セグメンテーション

OTTER: Optimized Training with Trustworthy Enhanced Replication via Diffusion and Federated VMUNet for Privacy-Aware Medical Segmentation (Oct 2025)

• 概要 医療領域では、画像データの希少性と機密性が、正確かつプライバシー保護型のセグメンテーションモデル開発を大きく阻む。本稿では、拡散モデルと連合 VMUNet による Optimized Training with Trustworthy Enhanced Replication（OTTER）枠組みを提案し、これらの課題に取り組む。OTTER は拡散ベースの生成モデルにより、実データの統計分布を反映しつつ患者情報を直接露出しない多様で高忠実度な医用画像を合成する。合成サンプルはベイズ品質推定器でさらに選別され、信頼でき代表的なデータのみで学習する。これらの信頼できる複製は、状態空間に基づくセグメンテーションアーキテクチャ VMUNet 上の連合学習パイプラインに統合され、生データを共有せずに医療機関間で分散学習を可能にする。複数の公開医用画像セグメンテーションデータセットでの実験により、OTTER は精度・頑健性・汎化性能で競争力のある、あるいはそれ以上の結果を示しつつ、強いプライバシー保証を維持することを示した。生成的データ拡張と連合アーキテクチャの組み合わせが、プライバシー配慮型医用 AI の進展に寄与し得ることを示唆する。
• Haocheng Kan, Yuesheng Zhu, Guibo Luo, and Hanwen Zhang. OTTER: Optimized Training with Trustworthy Enhanced Replication via Diffusion and Federated VMUNet for Privacy-Aware Medical Segmentation [C]// Proceedings of the 27th International Conference on Information and Communications Security (ICICS 2025). Nanjing, China: Springer Nature, October 2025. (CCF-C) DOI: 10.1007/978-981-95-3543-9_18
• キーワード 連合学習、プライバシー保護、拡散モデル、医用画像セグメンテーション
• リンク https://dl.acm.org/doi/10.1007/978-981-95-3543-9_18

A3S 学業成績分析システム (2015年8月 – 2017年9月)

• 概要 2008年以降龍華科技大学情報経営学科に入学した学生の、科目別成績・経済状況・卒業後就業を分析するインタラクティブな学業成績分析システムを開発。個々の学生の初期条件から卒業後のキャリアを予測可能にした。
• Hao-Cheng Kan & Fang-Ling Lin (2016年12月10日). The Impact of Student Loans on Academic Performance: A Cluster and Visual Analysis. 第22回 CSIM IMP 発表、台中、台湾.
• 使用言語・ソフト R、RShiny Server、MariaDB、Ubuntu Server

中国企業のデレバレッジが中国経済に与える影響 (2019年1月 – 2019年12月)

• 概要 本研究ではDSGEモデルを用い、1992年から2017年までの中国の総生産、年利率、インフレ率のマクロ経済への変動を分析した。続いてVARモデルにより、非金融企業のデレバレッジが経済成長率に短期的に負の影響を与えるが、時間の経過とともに減衰すること、長期的には影響がごく小さいことを示した。
• キーワード 動的確率的一般均衡(DSGE)、ベクトル自己回帰(VAR)、マクロ経済、デレバレッジ、景気循環、バーゼルIII、シャドウバンキング、H-Pフィルター

S-Gate モバイル教学・授業管理システム (2013年8月 – 2015年8月)

• 概要 電子キャンパス構想に基づくモバイル教学システム。学生事務・授業管理の簡素化（Bluetooth出欠等）と、スマートフォンによるリアルタイム授業互動（教材配信、評価、グループ討論、Q&A等）の2機能を実装。
• 使用言語・ソフト Node.js、JS、PHP、MariaDB、Android、Ubuntu Server