自DNN诞生起，人们就开始尝试对其解释。若要对DNN进行定量、严谨的解释，数学层面的理论构建是必要的。本次报告介绍了基于博弈论Shapley Value构建的DNN可解释性理论体系，跟随理论构建过程，讲解了概念定义的初衷、条件和性质，进而分析了证明和计算过程，并介绍了数学层面的可解释性在语义层面的应用。
DNN中的理论可解释性-段学明原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/01/17/dnn%e4%b8%ad%e7%9a%84%e7%90%86%e8%ae%ba%e5%8f%af%e8%a7%a3%e9%87%8a%e6%80%a7/
随着计算机技术的发展，漏洞威胁问题已然日渐严峻，高效、准确的漏洞检测技术对于漏洞的发现和防护都至关重要，但目前常用的检测算法面临漏洞数据集少、信息不准确、构建成本高等问题，所以一个…
本报告介绍了APT攻击行为的基本概念，展示了APT攻击行为表示的方法原理，并分别讲述了面向恶意流量数据场景下的攻击行为检测技术和面向开源威胁情报场景下的攻击行为提取方法，最后简要梳…
本次报告围绕大模型越狱攻击的检测技术展开，首先阐述了越狱检测的定义，然后介绍了常见的越狱攻击以及检测技术的研究现状。接着详细介绍了GradSafe和JailGuard两种主流方法，…
2013年以来深度的神经网络模型在各方面得到了广泛应用，甚至在某些方面达到可以匹配人类的性能，用于“欺骗”神…
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…
Batch Normalization（BN）自从提出之后，因为效果特别好，很快被作为深度学习的标准工具应用在了各种场合。BN大法虽然好，但是也存在一些局限和问题，诸如当Batch…
一、 什么是频繁项集项集是指事项的集合，而频繁项集就是频繁出现在数据集中的项集，说白了就在数据集中“出现次数足够多”的项集。其中，项集的出现频度是指包含项集的事务的数量，简称为项集…
近年，机器学习已经在计算机视觉、语音识别、语音合成以及自然语言处理（NLP）领域取得了突破性成果，在机器翻译和情感计算中展现的能力也颇令人期待。 其中机器学习方法可以分为生成方法（…
深度学习模型具有强大的特征提取能力，在决策领域得到广泛应用，但往往产生不公平的预测结果，造成不良的社会影响，现有的公平性修复方法往往会导致准确率下降。本次学术报告介绍了一种新的深度…
1 基本概念 维基百科对动态规划（Dynamic programming，DP）的定义：它是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂…
