本期为TechBeat人工智能社区第381期线上Talk，也是伊利诺伊大学安全学习实验室“可信机器学习: 机器学习鲁棒性，隐私性，泛化性，及其内在关联”的系列Talk第②场。北京时间2月17日(周四)20:00，伊利诺伊大学在读博士生——杨卓林的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “通过外源信息提升与验证模型鲁棒性”，届时将讨论两种新的外源信息多模型整合的方向。

Talk·信息

主题：通过外源信息提升与验证模型鲁棒性

嘉宾：伊利诺伊大学在读博士生杨卓林

时间：北京时间 2月17日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/nPNJm7WP至浏览器，一键完成预约！上线后会在第一时间收到通知哦 

Talk·提纲

尽管目前机器学习在各个领域已经取得了十分丰硕的成果，其安全性仍然备受质疑 – 掺杂了微小人为扰动的输入能够很容易让模型的预测出错。在许多提升鲁棒性的单模型机器学习训练算法和模型结构被提出之后，我们希望能够通过一些外源信息来整合多模型机器学习框架，从而提升多模型框架的鲁棒性。在本次Talk中，我们会讨论两种新的外源信息多模型整合的方向：

1) 基于知识准则的推理 2) 基于多模型性质的多样性 来提升整体模型端到端的鲁棒性。

我们会简要介绍我们提出的：

1) 基于知识准则的感知推理模型 2) 旨在降低子模型对抗迁移性的 TRS 训练 3) 旨在提升集成模型的可验证鲁棒性的 DRT 训练，来向大家展示未来提升机器学习模型鲁棒性的一个全新的角度。

具体分享提纲如下：

1. 通过整合知识准则的机器学习新框架提升模型可验证鲁棒性 — 感知推理模型

2. 通过鼓励多模型多样性来提升模型鲁棒性

(a). 鼓励梯度多样性和模型平滑程度来降低子模型对抗迁移性 — TRS 训练算法(b). 鼓励梯度多样性和增大置信水平差来提升集成模型的可验证鲁棒性 — DRT 训练算法

Talk·预习资料

感知推理模型：

https://arxiv.org/abs/2003.00120TRS 

训练算法：

https://arxiv.org/abs/2104.00671DRT 

训练算法：

https://arxiv.org/abs/2107.10873

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

杨卓林，目前是伊利诺伊大学厄巴纳-香槟分校 (UIUC) Secure Learning Lab (SL2) 的三年级博士生，其导师为李博教授。杨卓林目前的主要研究方向为多模型机器学习框架下的鲁棒性，包括探究子模型之间的对抗迁移性以及多样化的模型特征来进一步提升多模型框架的安全性能，从而探索未来的鲁棒多模型机器学习模式。杨卓林目前已在机器学习顶会（ICLR, ICML, NeurIPS, AISTATS) 上发表论文多篇。杨卓林于2019年毕业于上海交通大学致远学院ACM班。

个人主页：https://lucas110550.github.io/about/

系列Talk介绍

伊利诺伊大学安全学习实验室SL2(Secure Learning Lab)（http://boli.cs.illinois.edu/）由助理教授李博以及10名博士生和1名博士后组成，实验室隶属于计算机组(https://cs.illinois.edu/)。

我们相信机器学习的安全性，隐私保护，可解释性等可信赖性质是引领未来机器学习算法和模型大规模部署和应用的重要特质，尤其是在自动驾驶等对安全性质要求颇高的应用中。基于此核心理念，SL2实验室的研究重点是构建可验证性的可信机器学习算法，平台和系统，从而部署于不同的实际应用中。

从2月16日开始，每周三、周四晚20点，伊利诺伊大学安全学习实验室的老师及同学们将带来一系列的Talk分享，议程如下：

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