每天都有大量的数据生成，这导致人们越来越需要新的努力来应对大数据给多标签学习带来的巨大挑战。例如，极端多标签分类是一个活跃且快速发展的研究领域，它处理的分类任务具有极其大量的类别或标签；利用具有有限监督的海量数据来建立多标签分类模型对于实际应用等变得有价值。因此，本次学术报告致力于介绍多标签学习的前沿研究方向，以思考该领域未来的发展趋势和研究热点。
多标签学习-张睿智原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/08/22/%e5%a4%9a%e6%a0%87%e7%ad%be%e5%ad%a6%e4%b9%a0/
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…
聚焦多模态意图识别场景下复杂意图理解与细粒度语义推理问题，概述文本、视频、音频等模态融合中的语义异构、噪声干扰、模态冲突与粗粒度表示的局限；重点介绍 LGSRR 基于大模型引导的细…
研究针对文本嵌入模型的模型反演攻击，揭示了自然语言处理领域面临的隐私泄露风险。本次学术报告介绍了关于文本嵌入模型模型反演攻击的最新方法，并指明了现有的缺陷和未来发展方向。
模糊测试是一种应用广泛的自动化漏洞挖掘方法，但当被测程序使用加密算法处理输入数据时，对输入数据的直接变异并不…
以本人为主提出了基于ES（基本数据流层）的视, 音频剪辑算法；基于打包数据流层的视, 音频剪辑算法；基于PES流的视, 音频同步剪辑算法。并基于这些算法实现了基于MPEG-2码流的…
集成学习是机器学习领域中提升单一模型学习效果的典型方法，而Boosting则是集成学习中常用且效果良好的算法之一。通过将Weak learner巧妙地组合成Strong lea…
可解释性对于建立用户与决策模型之间的信任关系至关重要，提高机器学习模型的可解释性和透明性是机器学习在现实任务中进一步发展和应用的关键。本次报告带大家了解机器学习常用的可解释方法的基…
简单介绍了堆的管理与分配，主要讲述了堆上两种典型的攻击方式，即fast bin attack 和 Unsor…
虚拟化技术的提出为操作系统内核安全的保护引入了新的思路和手段——虚拟机监视器（ Virtual Machin…
表格数据生成能为深度学习扩充不平衡数据，同时也能避免隐私问题，研究如何生成高保真表格数据具有重要意义。本次报告分析了各个生成模型的优劣，以及GAN在表格数据领域的创新思路。
