「人工智能安全与隐私」系列论坛由深圳市大数据研究院大数据安全计算实验室（SCLBD）、香港中文大学（深圳）数据科学学院（SDS）、深圳市人工智能与机器人研究院（AIRS）、中山大学网络空间安全学院联合主办，将门-TechBeat人工智能社区作为独家合作技术社区参与其中。📣 本周四上午9:30，密西根州立大学助理教授—刘思佳博士将带来主题为“Dissecting Adversarial Robustness of Deep Neural Networks: A Machine Learning and Optimization Perspective”。

欢迎感兴趣的朋友锁定B站直播间！

01『报告简介』

直播时间：北京时间8月26日（周四上午）9:30-11:00

报告嘉宾：密西根州立大学助理教授 刘思佳

报告题目：Dissecting Adversarial Robustness of Deep Neural Networks: A Machine Learning and Optimization Perspective

报告主持人：香港中文大学（深圳）副教授 吴保元

B站直播间：http://live.bilibili.com/22947067

02 『报告内容』

Dissecting Adversarial Robustness of Deep Neural Networks: 

A Machine Learning and Optimization Perspective  

众所周知，深度学习网络容易受到对抗性攻击。因此，深层神经网络的鲁棒性变成了一个在可信任人工智能领域中的热门研究主题。

在本次报告中，刘思佳讲者将首先向大家展示一个实用的、假设攻击者只能对被攻击模型进行查询黑盒对抗攻击。他将解释为什么这种攻击方式会和可拓展的、理论上的零阶优化方式相关。更进一步，我会探索对抗鲁棒性和模型可解释性之间的关系。他会展示一些可解释性如何帮助对抗探索和对抗鲁棒性的新颖发现。基于这些发现，他会介绍一种可解释的鲁棒对抗训练方法，而这种方法更优于目前已知的对抗训练方法。在应对有大量扰动的对抗攻击中，这种方法表现尤为突出。最后刘思佳讲者会展示几个未来有大量挑战和机遇的对抗学习研究方向。

03 『嘉宾介绍』

刘思佳教授是密西根州立大学计算机科学与工程学院的助理教授。刘教授的研究兴趣广泛，在机器学习、优化、信号处理、计算生物学均有建树，目前主要研究重心放在可信赖、可扩展的人工智能学习算法和理论研究上。刘思佳教授在雪城大学获得博士学位，并获得All-University Doctoral Prize。此外，刘教授曾先后在密歇根大学安娜堡分校、MIT-IBM Watson AI Lab担任研究员，并多次在GlobalSIP，KDD的Adversarial Machine Learning and AI Safety研讨会上担任联席主持。

个人主页：https://lsjxjtu.github.io/index.html

『主持人』

吴保元，现任香港中文大学（深圳）数据科学学院副教授，深圳市大数据研究院大数据安全计算实验室主任。2014年获得中国科学院自动化研究所模式识别国家重点实验室模式识别与智能系统博士学位，师从胡包钢研究员。他在人工智能的顶级期刊和会议上发表论文40多篇，包括TPAMI, IJCV, CVPR, ICCV, ECCV, ICLR, AAAI等，并曾入选人工智能顶级会议CVPR 2019最佳论文候选名单。他曾担任腾讯AI Lab高级研究员和专家研究员，在腾讯工作期间领衔发布了业内第一个AI安全的威胁风险矩阵，得到业内和媒体的广泛关注。

2021年5月，组织开办了“AI安全与隐私”系列学术论坛，定期邀请知名专家学者分享AI安全与隐私领域的最新科研成果。他担任人工智能领域国际期刊Neurocomputing编委、国际会议ICLR 2022、AAAI 2022、ICIG 2021 领域主席，国际会议AAAI 2021、IJCAI 2020/2021高级程序委员、中国计算机学会、中国自动化学会多个专业委员会委员。作为项目负责人承担国家自然科学基金面上项目1项，CCF-腾讯犀牛鸟基金1项，腾讯研究专项基金2项。

本周四上午9:30

我们B站直播间不见不散！

关于「人工智能安全与隐私」系列论坛

「人工智能安全与隐私」系列论坛由深圳市大数据研究院大数据安全计算实验室（SCLBD）、香港中文大学（深圳）数据科学学院（SDS）、深圳市人工智能与机器人研究院（AIRS）、中山大学网络空间安全学院联合主办，将门-TechBeat人工智能社区为独家合作技术社区。

围绕人工智能安全与隐私这一主题，本论坛将重点关注人工智能系统的鲁棒性、可解释性、公平性和隐私性等方面的最新进展，包括但不限于对抗样本、后门学习、因果推理、联邦学习、差分隐私、数据和模型窃取等研究方向。论坛将定期邀请国内外专家学者介绍最新的研究成果，还将就该主题的核心问题和发展趋势进行深入的探讨，为关注人工智能安全与隐私的研究人员和工程师提供一个便捷的交流平台，共同促进人工智能技术的健康发展与应用。

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ