机器学习方向过于饱和，大部分研究者精力放在如何提高模型性能，但收效甚微灌水文章非常多。而真正生活中机器学习应用的障碍在于，数据分散在不同用户手中，例如不同银行拥有不同客户信息，不同医院拥有不同病患信息，由于隐私保护法或商业竞争而无法将数据聚合共同训练机器学习模型，造成众多数据孤岛现象，导致现实世界中大量的数据无法享受到机器学习的红利。将隐私保护技术与机器学习结合提供了解决数据孤岛问题的思路，也是现在最新最火的方向，可以从Gartner Hype Cycle和最近大热的Federated Learning联邦学习得到印证。 （BTW，申请角度来看，躲开AI热门专业降低申请难度，NTU也准备不断拓宽该领域。从就业角度来看，该方向人才更加稀缺，国家（中国）政策利好。可根据申请人兴趣及目标导师设计不同话术。）