网络表示学习（Network Representation Learning），又名网络嵌入（Network Embedding）、图嵌入（Graph Embedding），旨在从网络数据中学习得到网络中每个节点的低维、实值、稠密的向量表示, 之后这些节点表示就可以作为节点的特征应用于后续的网络应用任务中，如节点分类、链接预测、社区发现、可视化任务等。本次报告介绍了一种结合生成式模型和判别式模型的基于生成对抗网络的网络表示学习的方法GraphGAN。
学术报告-算法-网络表示学习GraphGAN-周妍汝-v1.0-2019.11.03原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2019/11/13/%e7%bd%91%e7%bb%9c%e8%a1%a8%e7%a4%ba%e5%ad%a6%e4%b9%a0graphgan/
优化问题是机器学习的核心和本质。在深度学习中，即使有完全相同的数据集和模型框架，使用的优化算法不同，所得到的训练结果也可能不同。深度…
随着机器学习的快速发展，图像分类、恶意软件识别等多个领域都通过建立机器学习模型解决相应的问题。但由于一些训练出的模型可能涉及训练数据的隐私信息与模型的商业价值，所以其安全性一直备受…
在说明计算机如何进行特定音频识别这个问题之前，我们有必要对两个我们经常接触到的概念加以区分——“检索”和“识别”。 刚刚接触音频信号处理的朋友们常常会混淆这两个概念，本人刚…
该报告针对流式数据中的概念漂移问题，提出了两种应对方法：PUDD利用预测不确定性实现早期漂移检测，比传统错误率更敏感；CALIPER在漂移发生后基于数据自身判断何时累积足够数据以触…
本次学术报告简要介绍了人工智能系统面临的各种安全威胁，通过将对抗样本与后门攻击进行多方面比较，从而引入了机器学习模型后门攻击的原理和检测方法，以及后门攻击技术的应用领域。
模型窃取防御技术能够促进深度神经网络的健康发展，推动数据交流与共享。本次报告从输入输出扰动的角度分析了模型窃取防御方法的框架，从数学角度给出了防御的基本原理以及优缺点，利用防御方法…
复杂软件的模糊测试在大模型快速发展的当下，已经有了多种自动化测试方案，但受制于大模型的生成模式而存在测试效率低、成本高的问题。本次学术报告结合ProphetFuzz和G2FUZZ两…
1.前言 本文通过阅读几位大牛的文章、演讲报告、exploit编写教程等技术文档不断总结修改而成，列举了当前Windows下常见漏洞利用缓解技术的基本原理及绕过方法，具体技术细节则…
聚焦IoRT/IIoT场景下联邦基础模型的安全评测与防御，概述联邦微调范式与隐蔽后门风险；重点介绍SecFFT频域一致性检测机制与长期意图建模相结合实现安全加权聚合，以及FL-ID…
现在大多数方法都是直推式学习， 不能直接泛化到未知节点。这些方法是在一个固定的图上直接学习每个节点embedding，但是大多情况图是会演化的，当网络结构改变以及新节点的出现，直推…
