当深度学习以惊人的准确性执行各种各样任务的同时，在图像分类等领域的深度神经网络却容易受到对抗样本的攻击，从而输出错误的预测结果。本次学术报告首先说明了对抗攻防的主要方法分类和残差网络的特点，然后重点讲解了一种提高对抗鲁棒性的特征降噪方法，最后介绍了对抗样本的应用领域。
提高对抗鲁棒性的特征降噪方法-于浩淼原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/04/19/%e6%8f%90%e9%ab%98%e5%af%b9%e6%8a%97%e9%b2%81%e6%a3%92%e6%80%a7%e7%9a%84%e7%89%b9%e5%be%81%e9%99%8d%e5%99%aa%e6%96%b9%e6%b3%95/
该研究提出显式周期引导的长期时间序列预测方法，核心包括Periodformer和CycleNet两种模型。Periodformer通过周期注意力机制显式捕捉长期周期性模式，降低计算…
信息抽取是自然语言处理中的重要组成部分，特别是在当今信息化社会中，从海量数据中抽取出有用的信息显得格外有意义。实体关系抽取是信息抽取的基础任务。现实生活中存在着长尾分布的问题，这导…
本次报告对联邦学习及其后门攻击方法展开介绍，阐述了联邦学习的发展脉络和三大主要框架，介绍了联邦学习安全性问题及后门攻击分类方法，重点讲解经典的集中式/分布式联邦后门攻击方法，启发思…
扩散模型在数据生成的众多领域上呈现出了非常好的效果。然而，在实际应用过程中，扩散模型的采样原理导致其生成速度非常缓慢，严重限制了模型的实际应用效果。为了对采样生成过程进行优化，近年…
报告围绕智能体辅助的协议模糊测试内容进行展开，介绍协议模糊测试的基本概念，黑盒、灰盒、白盒协议模糊测试的区别。结合BSFuzzer和ProtocolGuard分析智能体技术在协议模…
深度学习模型具有高度非线性和特征空间抽象等特性，内部决策逻辑难以解释，导致其实际应用严重受限。本次报告从深度神经网络可解释性的基本概念出发，对常见的解释方法进行简介，并介绍了一篇将…
本学术报告围绕Android原生库的自动化模糊测试问题展开。内容涵盖：安卓原生库漏洞挖掘的主流方法；介绍了两种模糊测试算法的原理以及两篇工作的实验验证与局限性分析。报告旨在分享安卓…
网络嵌入（Network Embedding）是针对网络中节点进行特征学习的一项新兴的研究任务，它旨在将网络中的节点表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空…
认知诊断通过挖掘学习者行为、心理和认知之间的关系，利用学习者的学习数据，对其认知状态进行综合评估和诊断，其输出结果，即学生对于不同知识概念的熟练程度应与实际情况相符，具有高度的可解…
学术论文投稿数量的不断增长带来巨大审稿压力，而人工智能和大数据的发展为学术论文自动化评审提供了契机。本次学术报告介绍了学术论文评审意见生成的两种最新方法，为减轻审稿人负担、提高评审…
