学术报告

聚焦大模型生成中“幻觉”问题的原理、检测方法及其创造力价值。内容涵盖AI幻觉的定义与分类、典型案例、LLM-Check与Verify-and-Edit两种前沿算法的原理与实验评估，并探讨AI幻觉在科学发现、文艺创作等领域的潜在正向价值，为AI内容生成的可信性与未来发展提供系统性思考。

本次报告围绕基于GNN的加密流量分类技术展开，首先阐述了基于GNN的加密流量分类的基本概念、研究背景和研究意义，然后介绍了传统加密流量识别方法的特点与优劣势，并介绍了利用GNN进行加密流量分类的研究现状。接着详细介绍了TFE-GNN和MH-Net两种具备代表性的方法，包括各自的算法设计及实验效果，并总结了当前方法存在的问题，最后展望了未来加密流量分类的可能方…

本次报告围绕大模型指导的协议模糊测试技术展开，首先阐述了大模型指导的协议模糊测试的基本概念、研究背景和研究意义，然后介绍了传统协议模糊测试方法的特点与优劣势，并介绍了大模型指导的协议模糊测试方法的研究现状。接着详细介绍了CHATAFL和ChatHTTPFuzz两种具备代表性的方法，包括各自的算法设计及实验效果，并总结了当前方法存在的问题，最后展望了未来大模型…

本次报告围绕大模型赋能的渗透测试技术展开，首先阐述了渗透测试的基本概念、研究背景和研究意义，然后介绍了传统自动化渗透测试方法的特点与优劣势，并介绍了大模型赋能的渗透测试方法的研究现状。接着详细介绍了PentestGPT和HPTSA两种具备代表性的方法，包括各自的算法设计及实验效果，并总结了当前方法存在的问题，最后展望了未来大模型赋能的渗透测试技术发展的可能方…

本次报告围绕大模型越狱攻击的检测技术展开，首先阐述了越狱检测的定义，然后介绍了常见的越狱攻击以及检测技术的研究现状。接着详细介绍了GradSafe和JailGuard两种主流方法，包括各自的算法设计、优化目标及实验效果，并总结了当前主流方法存在的问题，最后展望了未来越狱攻击检测技术发展的可能方向。

这篇报告围绕网络拓扑混淆技术展开，首先阐述了网络拓扑脆弱性及攻击者推理真实结构的威胁，强调了混淆防御的重要性。报告详细介绍了AntiTomo和EigenObfu两种主流方法，包括各自的算法设计、优化目标及实验效果，并总结了混淆拓扑在欺骗性、安全性、低延迟和高效率方面的优势，最后展望了未来引入蜜罐等反制措施的可能方向。

课程推荐在人机协同、个性化学习平台等智能教育系统中具有重要价值，显著提升了模型对用户兴趣动态变化的建模能力与推荐效果。本次报告将介绍课程推荐任务，分析其研究背景与应用意义，并重点讲解两类代表性方法：融合知识图谱的图注意力网络模型 KGAN，以及基于超图的神经网络框架 HGNN，进一步探讨异构信息融合等前沿问题与未来发展方向。

情绪变化识别在人机交互、情绪计算等对话智能领域中具有重要价值，显著增强了模型对动态语境的理解能力。本次报告将介绍对话与语音中的情绪建模任务，分析其研究背景与应用意义，并重点讲解两类代表性方法：人格感知的图神经网络PCGNet，以及基于Transducer的细粒度帧级建模框架ENT和FENT，进而探讨情绪边界检测、个性建模等前沿问题与未来发展方向。