学术报告

本报告介绍了模糊测试中的基本概念及网络应用程序漏洞挖掘发展历史和类型划分等背景知识，对2种基于覆盖引导的灰盒web模糊测试算法进行了具体说明，阐述了网络应用程序漏洞挖掘的发展趋势和未来前景。

本报告介绍了深度学习后门攻击基本概念及后门攻击检测发展历史和类型划分等背景知识，对2种基于模型演化策略的后门攻击检测算法进行了具体说明，阐述了深度学习后门攻击检测的发展趋势和未来前景。

本报告介绍了APT攻击行为的基本概念，展示了APT攻击行为表示的方法原理，并分别讲述了面向恶意流量数据场景下的攻击行为检测技术和面向开源威胁情报场景下的攻击行为提取方法，最后简要梳理了了解APT攻击行为表示的应用场景与发展前沿。

跨语言命名实体识别是用源语言的标记数据训练NER模型，并在目标语言的测试数据上对其进行评估。其利用具有丰富实体标签的高资源(源)语言(如英语)的知识来克服低(零)资源(目标)语言的数据稀缺问题。弥合源语言和目标语言的语言结构、特征差异，打破语言障碍，实现信息的跨语言共享。

着大数据和人工智能技术的飞速发展，知识图谱已成为表示和存储结构化知识的重要工具，其中时序知识图谱则进一步强调了事件随时间演变的重要性。本次学术报告致力于讲解时序知识图谱推理方法，重点探索事件重复性与周期性模式以更好地理解实体和关系的时序变化，推断事件在未来的演变趋势。

认知诊断是研究学习者学习行为，分析挖掘基于这些行为的认知状态的方法。知识认知诊断的前沿方法旨在通过准确预测学习者的表现和深入分析其认知能力，推动个性化学习体验的优化。这一方法为教育技术的前沿发展提供支持，也为教育教学开辟了新的可能性。智能教学系统通过深度分析学习者的认知过程，为其塑造更为丰富、精准的学习环境，从而提升教育效果和学习者的体验。

随着人工智能等新兴技术在教育中广泛应用，推动了学习方式的深刻变革。面对多元化的学习需求及海量学习资源, 如何迅速完成学习目标、降低学习成本、个性化分配学习资源等问题成为限制个人和时代发展的重大问题。本次学术报告致力于讲解个性化学习路径推荐的研究方法，以及强化学习技术在学习路径推荐的应用原理，最后对其发展前景进行展望。

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。