职位描述：

牛津互联网研究所成立于 2001 年，是牛津大学的一个多学科研究和教学部门。

牛津互联网研究所的“合成社会”研究团队诚邀积极进取、充满热情的候选人申请两个访问学者、博士后职位，从事机器学习、隐私增强技术和公共利益技术交叉领域的前沿研究工作。

这些职位为全职且固定期限为 36 个月，期满后有可能续签。第一个职位应立即开始，而第二个职位应在 2025 年夏季开始。

您将在牛津工作，这是您的主要工作地点，但也有在英国境内灵活办公的可能性。

我们正在寻找对与研究团队的兴趣和技能相契合的研究课题进行自主开发感兴趣的候选人。我们特别关注研究现代隐私保护技术（例如基于合成数据或采用正式差分隐私保障的技术）如何影响研究的完整性和可重复性。这是一条令人兴奋的研究路线，不仅有可能改善全球研究人员获取关键敏感数据的方式，还能为他们打造工具，以判断所收到的匿名数据是否“足够好”来开展严谨的研究。

入选者将获得大量资源，包括丰富的国际培训和会议参与机会、信息技术设备以及专用计算集群环境的使用权限——并能参与未来计算资源的获取决策。该职位由英国研究与创新署（UKRI）未来领袖奖学金资助，这是一项灵活的长期公共资助计划，为研究者提供自主权和灵活性，使其能够专注于重要的研究工作。入选者还有机会与提供独特精细医疗数据访问权限的合作伙伴以及机器学习、人机交互、社会科学和公共卫生领域的同事开展合作。

申请要求：

申请人应已获得或即将完成计算机科学、统计学、应用数学或相关领域的博士学位，并具有相关研究经验。

理想的候选人应具备条理性、高度积极性、创造力，并乐于作为团队的一员开展工作。申请人应有以第一作者身份发表论文的良好记录。

我们主要寻找能够对隐私技术进行基于证据的批判性调查的候选人，并将努力培训、支持和培养合适的候选人。话虽如此，在以下一个或多个广泛领域拥有先前经验是有利的：

评估匿名化技术和隐私增强技术抵御成员身份攻击、推断攻击或重建攻击的稳健性，以及/或者

• 机器学习和/或中的公平性、责任性和透明度
• 针对表格数据或语言建模的机器学习研究，以及/或者
• 统计学习和贝叶斯统计（例如，具备变分自编码器或扩散模型的经验）和/或
• 人机交互（例如，有开展大规模用户研究的经验）和/或
• 计算社会科学（在计算机科学与社会科学交叉领域开展大规模实证研究的经验）。

如果您想了解该职位并探讨非正式访问的可能性，请通过电子邮件 luc.rocher@oii.ox.ac.uk 联系卢克·罗彻博士。