归一化流（Normalizing Flows）是一类生成模型，它利用一系列可逆变换将简单分布映射为复杂数据分布，具有精确计算概率密度的能力。在表格数据生成领域，归一化流的应用对于理解和模拟真实数据复杂性，增强模型解释性具有重要作用。本次学术报告针对表格数据隐私保护和反事实解释两大领域，分别讲解了DP-Hflow和CeFlow的算法原理。
归一化流在表格数据生成中的应用-徐泽豪原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/04/17/%e5%bd%92%e4%b8%80%e5%8c%96%e6%b5%81%e5%9c%a8%e8%a1%a8%e6%a0%bc%e6%95%b0%e6%8d%ae%e7%94%9f%e6%88%90%e4%b8%ad%e7%9a%84%e5%ba%94%e7%94%a8/
代码自动编辑任务通过应用频繁出现的编辑模式对现有代码进行修改，能够提升软件开发的效率。CODIT方法将代码编辑过程建模为树结构变换和标记生成两个阶段。MODIT方法输入整合需要编辑…
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关…
关键词提取技术是通过计算机程序从文档中自动提取重要性和主题性的词或短语的自动化技术，该技术在图书馆学、情报学和自然语言处理等领域应用广泛。目前关键词提取技术主要分为无监督和有监督这…
梯度提升决策树（GBDT）是集成学习中梯度提升方法（Gradient Boost）与决策树（Decision…
摘要：本报告介绍了web漏洞挖掘中的基本概念，实战通用方案及相关思路总结，进一步详细讲解了手工挖掘中存在的痛点问题，重点阐述了前沿自动化漏洞挖掘算法原理，分析其如何弥补手工挖掘的不…
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…
这个漏洞网上的各种中英文分析已经很多了，因此这里我只根据自己的情况做一个小的整理和总结，并将参考的各种相关资料贴上来大家交流学习。 1. CVE-2014-4114 …
安全漏洞的数量和复杂程度与日俱增，导致漏洞挖掘的成本也在不断升高。而近年对深度学习的研究使得机器具有分析学习能力，如何将深度学习算法应用漏洞挖掘技术成为研究热点。本次报告首先介绍了…
代码变更表示学习技术通常将代码变更进行结构化或序列化的中间表示，并将中间表示输入到表示学习模型以获取代码变更中更细粒度的特征，是众多软件工程任务的重要环节之一。本次报告介绍了2类任…
本报告介绍了漏洞检测的基本方法以及基于漏洞代码的漏洞评估的概念和评估方法。针对一种漏洞检测方式和一种漏洞评估方式进行了深入讲解，并探讨了漏洞检测和评估领域的现状，提出了一些未来发展…
