bfs

  • 基于深度学习的二进制软件漏洞挖掘

    本次学术报告面向基于深度学习的二进制软件漏洞挖掘,首先定义二进制缺陷检测子任务的基本概念和TIPO,其后介绍模糊测试、符号执行等动态缺陷检测方法,最终具体讲解了三种基于深度学习的二进制缺陷动态检测方法的算法原理。旨在帮助听众建立二进制漏洞挖掘的基本概念,并拓宽应用深度学习方法的思路。

    2020 年 8 月 2 日 7 0
  • 软件定义网络拓扑发现技术

    软件定义网络,作为一种可编程的新型网络架构,相比于传统网络具有许多的优点,在网络可视化、流量监控、访问控制等网络管理和运维领域中具有得天独厚的优势。而由于软件定义网络的控制器要求对网络全面准确的掌握,因此研究软件定义网络的拓扑发现技术具有十分重要的意义。本次报告介绍了拓扑发现和软件定义网络的基本概念,并介绍了基于OFDP的软件定义网络的拓扑发现技术并对其优缺…

    2020 年 7 月 26 日 22 0
  • 基于神经网络的源代码表示方法

    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方法会直接影响神经网络算法的学习性能。本次报告介绍了源代码表示的基本概念和常见方法,并列举了现有的4篇高水平论文的算法原理和基本思想,并进行了横向和纵向对比分析,最后对基于图神经网…

    2020 年 7 月 19 日 21 0
  • 深度学习系统的自动化测试简介

    深度学习(DL)在图像分类、语音识别等领域达到或超过了人类水平的性能,且被广泛应用于安全关键领域中(自动驾驶、恶意软件检测等)。然而一些原因(如训练数据偏差、模型过拟合或欠拟合),会导致深度学习系统在一些边角案例(corner cases)中表现出意料之外或错误的行为。所以在不输钱需要对深度学习系统进行全面系统的测试。本次报告介绍了深度神经网络(DNN)白盒…

    2020 年 7 月 12 日 30 0
  • 图嵌入-GraphSAGE

    现在大多数方法都是直推式学习, 不能直接泛化到未知节点。这些方法是在一个固定的图上直接学习每个节点embedding,但是大多情况图是会演化的,当网络结构改变以及新节点的出现,直推式学习需要重新训练,很难落地在需要快速生成未知节点embedding的机器学习系统上,本次报告介绍了一种归纳学习图嵌入—GraphSAGE(Graph SAmple and agg…

    2020 年 7 月 6 日 24 0
  • 基于图神经网络的中文短文本匹配方法

    本次报告介绍一种基于图神经网络的中文短文本匹配模型,采用图结构的多粒度输入解决中文文本分词错误、不一致、歧义等问题造成的匹配性能下降问题。同时,报告介绍了文本匹配的研究现状,帮助大家了解文本匹配的概念和各种框架的使用场景。本次报告也希望对图神经网络在文本数据的应用上带来启发。

    2020 年 6 月 27 日 40 0
  • 贝叶斯网络

    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.。

    2020 年 6 月 21 日 44 0
  • 联邦学习

    联邦学习(Federated Learning)在2016年由谷歌最先提出,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习,解决数据孤岛的问题。

    2020 年 6 月 7 日 83 0