以深度学习为代表的人工智能技术正在悄然改变人们的生产生活方式，但深度学习模型的部署也带来了一定的安全隐患。对抗样本攻击能使深度学习模型系统进行误判，对各个人工智能应用领域造成了严重的安全威胁。本文从人工智能应用的特定安全领域出发，如入侵检测领域和恶意软件检测领域，介绍了对抗样本攻击的生成原因，安全领域中对抗样本与图像领域的区别以及安全领域中的对抗样本防御方法，并对当前主流的防御方法进行了总结归纳和优劣分析，对深刻理解模型内在脆弱性、全面保障智能系统安全性、广泛部署人工智能应用具有重要意义。
特定安全领域中的对抗样本防御方法-王琛原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/08/31/%e7%89%b9%e5%ae%9a%e5%ae%89%e5%85%a8%e9%a2%86%e5%9f%9f%e4%b8%ad%e7%9a%84%e5%af%b9%e6%8a%97%e6%a0%b7%e6%9c%ac%e9%98%b2%e5%be%a1%e6%96%b9%e6%b3%95/
本文介绍两种隧道流量识别方法：DecETT方法构建不同的损失解耦隧道流协议特征和应用语义特征，实现AF检测；Graphtunnel方法构建DNS递归解析图进行DNS隧道流量监测。未…
异常检测是时间序列分析中必不可少的任务，判断数据是否符合正态数据分布，不符合的部分称为异常。及时发出异常可以使系统维护人员主动进行维护，从而在欺诈检测、入侵检测和能源管理等实际应用…
<img src="https://www.isclab.org.cn/wp-content/uploads/2015/06/41.png" alt=&q…
随着软件程序日益复杂化、功能多样化，传统的通用模糊测试已经不能满足高效、快速的测试程序中特定高风险区域的崩溃问题。灰盒定向模糊测试应用其特殊的距离计算方法及种子排序方法，将模糊测试…
针对大语言模型展开调研，介绍大语言模型发展背景和研究现状，通过讲解LLaMA2模型的预训练和微调步骤，全面讲解大语言模型的训练过程，随后对越狱攻击大语言模型的方法进行研究，通过讲解…
Virtualization-based Monitoring Virtualization-based Monitoring 是指利用虚拟化技术对上层虚拟机进行监控或者保护。通常…
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…
本次报告主要从Transformer框架入手，介绍基于Transformer模型的时间序列分析方法。针对Transformer模型的位置嵌入、注意力机制、模型架构三个方向在时间序列…
元学习是人工智能领域继深度学习、深度强化学习、生成对抗之后，又一个重要的研究分支。模型无关元学（MAML）算法可以适用于多个领域，包括少样本的回归、图像分类，以及增强学习，并且使用…
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…
