学术报告

  • DNN模型水印及其鲁棒性评估

    模型水印技术是一种利用特定信息认证保护模型知识产权的方法。本次报告分析了深度学习领域现有的模型水印嵌入方法,从性能鲁棒性和稳定鲁棒性两方面讲述模型水印鲁棒性评估方法,并以实例分析和评估了DNN黑盒水印嵌入方法及其鲁棒性。

    2023 年 11 月 30 日 107 0
  • 智能模型的不确定性估计

    智能模型的不确定性是模型内生脆弱性问题的重要表征之一,反映了模型对输入数据预测结果的可信程度,包含了对数据和模型两方面缺陷的量化估计。本次报告介绍了模型不确定性估计工作基本概念,讲述了现有体系下两个学派四类方法的研究框架,解释了对两类不确定性分离建模的理论依据,并辅以前沿算法梳理了其计算方法及实验效果表现,表明了当前的研究热点问题和关键挑战。

    2023 年 11 月 6 日 143 0
  • 深度神经网络模型后门攻击检测

    本报告介绍了深度学习后门攻击及其检测的基本概念、类型划分等背景知识,对2种基于主动策略的后门攻击检测算法进行了具体说明,阐述了对于深度学习后门攻击检测的发展趋势和未来前景。

    2023 年 11 月 3 日 271 0
  • 面向NIDS的流量对抗样本检测

    在AI攻击复杂性和密集性不断提升的大背景下,ML-NIIDS面临巨大挑战,其中流量对抗样本严重威胁其安全稳定。本次报告从NIDS的迭代发展,聚焦到对抗性安全威胁,再引出主流流量对抗样本检测方案,从算法模型层面进行详细的分析,并对实验结果进行详细解读,总结了当前方法的不足及后续创新思路。

    2023 年 10 月 23 日 162 0
  • 代码变更表示学习技术

    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类任务中的代码变更表示学习技术,分析阐述了代码变更表示学习技术的输入表示形式、技术路线和面临的关键挑战等内容。

    2023 年 10 月 23 日 134 0
  • 软件漏洞注入技术

    随着计算机技术的发展,漏洞威胁问题已然日渐严峻,高效、准确的漏洞检测技术对于漏洞的发现和防护都至关重要,但目前常用的检测算法面临漏洞数据集少、信息不准确、构建成本高等问题,所以一个自动化、高效率的软件漏洞注入方法将有效降低检测算法面临的挑战。本次报告的内容介绍了一种向目标软件中仿照真实情况自动注入漏洞,生成漏洞数据集的算法,算法通过学习已有漏洞修复模式,向正…

    2023 年 9 月 27 日 240 0
  • 深度神经网络模型窃取防御方法

    模型窃取防御技术能够促进深度神经网络的健康发展,推动数据交流与共享。本次报告从大范围的模型窃取防御领域,聚焦到一类算法,从数学公式上对算法进行详细的分析,并对实验结果进行详细解读,给出了防御方法的创新思路。

    2023 年 9 月 27 日 274 0
  • 时序知识图谱推理方法

    时序知识图谱推理根据历史时序知识图谱中已知事实,预测查询中缺失的实体或关系,避免知识图谱不完整性对知识驱动系统造成的影响。本次学术报告首先讲解了时序知识图谱推理基本概念,然后详细介绍了RE-GCN和L2TKG两种外推设置的时序知识图谱推理方法,最后介绍时序知识图谱推理的前沿发展。

    2023 年 9 月 27 日 185 0