学术报告

联邦大模型将联邦学习与大语言模型相结合，遵循“数据不动、模型动”的原则，在无需集中原始数据的前提下，共同训练与优化大模型。该技术能有效破解数据孤岛，为医疗、教育等领域提供隐私安全的个性化智能服务，驱动产业智能升级。

智慧教育系统的不断发展促进了在线学习的用户数量爆炸式增长，对于学生认知水平诊断要求不断提高，群体认知诊断技术能够帮助平台挖掘学习群体的共性需求，增进教学效果。本次学术报告介绍了群体认知诊断的两种最新方法，为智慧教育带来了思考与启发。

This report centers on the “Wireless Traffic Dataset for KRACK and Kr00k Attacks in WPA2,” addressing the critical issues of data scarcity and poor reproducibility in t…

学术论文投稿数量的不断增长带来巨大审稿压力，而人工智能和大数据的发展为学术论文自动化评审提供了契机。本次学术报告介绍了学术论文评审意见生成的两种最新方法，为减轻审稿人负担、提高评审效率带来了启发和思考。

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。

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学习模型公平性修复方法，实现了在保证准确性同时高效高质量修复公平性。

二进制文件复合类型恢复技术在程序理解、逆向分析和漏洞检测等领域具有关键价值，能够显著提升类型信息还原与代码语义解析的准确性与效率。该技术通过推断和重建结构体、数组等复杂数据类型，有助于提升程序可读性与可维护性，并为后续的漏洞修复、功能扩展和安全加固提供坚实基础。本次报告将介绍复合类型恢复的基本概念、研究背景与意义，重点探讨其实现方法、典型应用及未来发展方向。

研究大模型隐私泄露攻击，揭示了大模型面临的隐私信息泄露风险。本次学术报告介绍了大模型的应用价值和市场体量，讲述了关于大模型隐私泄露攻击的最新方法，指明了现有的缺陷和未来发展方向。