对抗样本会的存在严重威胁到机器学习模型的输出准确性。目前最常用的对抗样本生成方法是FGSM，其通过在沿着损失函数梯度方向添加一个细小的扰动，来“增大”损失，进而改变目标函数的输出。而我们通过FGSM基于目标模型生成对抗样本，并将其与原始样本组合去训练一个二分类器，最终将对抗样本从原始样本中“剔除”出去。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/10/17/%e7%ae%80%e8%bf%b0%e5%af%b9%e6%8a%97%e6%a0%b7%e6%9c%ac%e6%a3%80%e6%b5%8b%e6%96%b9%e6%b3%95/
1.恶意软件检测发展历史2.深度学习在恶意软件检测上的应用3.恶意软件反检测技术
本次报告介绍了源代码变更表征领域，其属于源代码表征领域的进一步研究工作，报告首先介绍领域研究目标、背景意义、发展脉络与基础框架，梳理显式与隐式信息交互两类代码变更表示学习方法；随后…
真实的网络结构是高度非线性和复杂的，现有的浅层模型的网络嵌入方法都无法很好地表示更高级的非线性的网络结构。因…
人工智能的发展，驱动新赋能方式，2018年国家自然科学基金首次在信息科学部下增设“教育信息科学与技术”的专门代码（F0701），同时《地平线报告（2022高等教育版）》智能学习分析…
符号执行 （Symbolic Execution）是一种程序分析技术。其可以通过分析程序来得到让特…
服务端模板注入是攻击者通过与服务端模板的输入输出交互，在过滤不严格的情况下，构造恶意输入数据，从而达到获取关…
梯度提升决策树（GBDT）是集成学习中梯度提升方法（Gradient Boost）与决策树（Decision…
本次报告介绍一种基于图神经网络的中文短文本匹配模型，采用图结构的多粒度输入解决中文文本分词错误、不一致、歧义等问题造成的匹配性能下降问题。同时，报告介绍了文本匹配的研究现状，帮助大…
研究大模型隐私泄露攻击，揭示了大模型面临的隐私信息泄露风险。本次学术报告介绍了大模型的应用价值和市场体量，讲述了关于大模型隐私泄露攻击的最新方法，指明了现有的缺陷和未来发展方向。
在机器学习中获得标注数据是一个重要的部分。但是在一些专业领域，标注成本高,成本高，导致了获得标注数据困难。主…
