文本-图像生成模型在当今生活中有广泛应用，最新研究表明，这类多模态的生成模型也面临着安全风险，例如对抗样本攻击、成员推理攻击和后门攻击等。本次学术报告介绍了文本-图像生成模型最新的两种后门攻击方法，为未来的防御方法带来了启发和思考。
扩散模型的后门攻击研究-赵怡清原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2025/09/16/%e6%89%a9%e6%95%a3%e6%a8%a1%e5%9e%8b%e7%9a%84%e5%90%8e%e9%97%a8%e6%94%bb%e5%87%bb%e7%a0%94%e7%a9%b6/
本次报告围绕大模型指导的协议模糊测试技术展开，首先阐述了大模型指导的协议模糊测试的基本概念、研究背景和研究意义，然后介绍了传统协议模糊测试方法的特点与优劣势，并介绍了大模型指导的协…
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…
FNN模型被广泛应用于自动驾驶、医疗诊断等安全关键的领域，因此需要测试模型的正确性，及时发现模型的缺陷并进行模型的修复与再训练。本次学术报告介绍了FNN模型正确性测试中遇到的两个关…
爬虫技术是获取数据的利器，它避免了繁琐又低效的人工数据搜集。爬虫带来获取数据极大便利的同时，也催生了反爬技术的发展。学术报告以反爬措施以及对抗反爬的手段作为议题，详细介绍了5类反爬…
联邦学习在保证数据安全和隐私的情况下解决了数据孤岛和数据碎片化问题，主要分为横向联邦学习、纵向联邦学习和联邦迁移学习。本次学术报告首先介绍联邦学习的历史现状、分类及应用场景，然后通…
网络表示学习（Network Representation Learning），又名网络嵌入（Network Embedding）、图嵌入（Graph Embedding），旨在从…
漏洞分类是漏洞分析中的重要一环，为了及时评估并缓解漏洞问题，快速、准确的漏洞分类方法必不可少，但目前漏洞分类领域面临着由于不同类型的漏洞数量高度不平衡导致的漏洞类型预测精度不佳的问…
深度学习软件库作为构建和训练深度学习模型的基础，对深度学习软件库进行检测、挖掘软件库的代码漏洞，是保障深度学习模型的可靠性的基础之一。本次报告介绍了2种基于API层的深度学习软件库…
情绪变化识别在人机交互、情绪计算等对话智能领域中具有重要价值，显著增强了模型对动态语境的理解能力。本次报告将介绍对话与语音中的情绪建模任务，分析其研究背景与应用意义，并重点讲解两类…
随着对抗样本的危险性日益凸显，提高模型的鲁棒性成为研究的主要方向之一，然而，在评估鲁棒性方面还没有统一的标准，使得不同的防御方法之间对比存在很大的困难。
