图神经网络模型的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，为了安全、可信地部署图神经网络模型，需要提高图神经网络模型的可解释性和透明性。本次报告为大家介绍图神经网络反事实解释的基本概念和前沿方法(CFF和GCFExplainer)
图神经网络的反事实解释方法-夏志豪原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/06/03/%e5%9b%be%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9c%e7%9a%84%e5%8f%8d%e4%ba%8b%e5%ae%9e%e8%a7%a3%e9%87%8a%e6%96%b9%e6%b3%95/
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（…
本次学术报告对以往实验室软件系统/代码质量评估的研究方向做了一个总结并引出新的概念：代码异味检测。针对代码异味概念，生成原因和研究最新的方向进行了探讨。同时结合两篇论文，从多异味检…
报告围绕智能体工具调用安全展开，介绍智能体工作原理及其与传统AI模型、大模型安全的联系与区别，分析工具调用带来的新型攻击面。重点结合AutoCMD与ToolSafe，讲解动态工具调…
韩磊 2014/12/25
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…
本报告介绍了强化学习领域基本概念，详细介绍了Q-Learning算法和Deep Q Learning算法的原理，简要梳理了了两种算法的发展脉络，以经典案例windy grid-wo…
简单高效的漏洞检测方法一直是信息系统安全领域研究的热点，微软研究人员借助机器学习和深度神经网络开发出一种用于…
贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。
本次学术报告旨在带领听众完成图匹配网络相关知识入门。首先介绍了图匹配网络的基本概念；随后以GMN和MGMN为例讲解了图匹配网络的两种经典范式，详细阐述了图匹配网络的基本原理和应用场…
简介：神经网络算法在自然语言和计算机视觉等领域取得了快速发展和成熟应用，且在程序分析领域也具有广泛应用，如代码克隆检测、程序分类、漏洞分析和代码搜索等任务。然而不同的程序源代码表示…
