主持人：王金伟 教授；刘光杰 教授
报告时间：2022年4月28日13:50-18:00
报告形式：腾讯会议306-472-200
报告题目：隐写新形态
报告人：张新鹏 教授 复旦大学
报告时间：14:00-15:00
报告人简介：张新鹏，国家杰出青年科学基金获得者，二级教授。入选上海市优秀学术带头人、上海市曙光人才计划、上海市“东方学者”跟踪计划、上海市浦江人才计划、上海市“青年科技启明星”跟踪计划。曾赴美国纽约州立大学宾汉顿分校访问一年，受德国洪堡基金会资助作为资深研究员赴德国康斯坦茨大学访问14个月。主持国家自然科学基金重点项目、国家863计划等科研项目40余项。发表论文200余篇，被引13000余次，2014年—2021年连续八年入选“爱思唯尔”中国高被引学者榜单，2020年入选“科睿唯安”全球高被引科学家，2021年入选全球前2%顶尖科学家榜单。申请发明专利30余项，授权近20项。获上海市自然科学奖二等奖（第一完成人）、中国电子学会自然科学奖二等奖（第二完成人）、安徽省自然科学奖一等奖（第三完成人）、国家级教学成果奖（参与）。担任 IEEE Trans. on Information Forensics and Security（IEEE T-IFS）等国际学术期刊的 Associate Editor，ACM IH&MMSec、IEEE WIFS等国际学术会议的主席。
报告摘要：数字隐写可将机 密信息伪装为普通信息，对网络空间安全具有重要意义。此报告将讨论借助深度学习的隐写新形态，包括生成式图像隐写、深度模型隐写、自然语言隐写、社交网络行为隐隐写，并展望数字隐写的未来发展。
报告题目：AI驱动的网络空间内容安全
报告人：操晓春 教授 中山大学
报告时间：15:00-16:00
报告人简介：操晓春，教授，主要从事计算机视觉基础研究和网络空间内容安全应用研究。担任IEEE汇刊 TIP/TMM/电子学报的Senior Area Editor/Associate Editor/编委，NeurIPS/ICCV/ CVPR /IJCAI/AAAI/ICPR的Area Chairs。获2019年中共中央办公厅技术进步一等奖（排名第1）。中国计算机学会优博、中国电子学会优博、中国科学院大学优博指导导师。
报告摘要：5/6G网络和AI技术的发展正持续改善网络空间的内容和服务质量，但同时也带来各种潜在内容安全问题：一方面，伪造、虚假、不良的媒体内容充斥于网络空间，影响社会稳定和个人声誉；另一方面，公开来源网络数据蕴含丰富的各种商业情报，但由于其价值密度极低，导致高价值信息挖掘如大海捞针。针对上述网络空间安全应用，报告人拟介绍信工所团队在网络空间视觉内容生成与识别方向学术探索的最新进展，以及搭建的一套视觉大数据价值挖掘系统。具体包括：开源数据的云弹性采集与强智能搜索、数据驱动的自底向上深度抽象归纳、知识驱动的自顶向下演绎推理、人工智能深度攻防对抗等。
报告题目：深度学习对抗攻防与安全测试
报告人：刘祥龙 教授 北京航空航天大学
报告时间：16:00-17:00
报告人简介：刘祥龙，教授，博士生导师，国家优秀青年科学基金获得者。现任北京航空航天大学软件开发环境国家重点实验室副主任、计算机学院院长助理，主要大规模视觉分析、可信赖深度学习。近年来，主持国家自然科学基金、国防科技创新重点项目、科技创新2030重大项目等多项国家课题；发表IEEECVPR、ICCV等国际顶级会议及期刊论文80余篇。担任PatternRecognition、IETImageProcessing等SCI期刊编委，ACMMM、AAAI等国际会议领域主席，国家新一代人工智能产业创新联盟启智开源开放平台技术委员会委员。曾获陕西省自然科学一等奖、北京市科技新星、微软铸星计划、中国计算机学会青年人才发展计划、中国计算机学会优秀博士学位论文等。
报告摘要：近年来以深度学习为代表的人工智能技术广泛应用于各个领域。然而，深度学习等智能算法面临着对抗样本、模型后门、模型窃取等诸多安全问题。本报告将针对深度学习对抗样本问题，介绍深度学习安全挑战、对抗攻击与防御（尤其是物理世界对抗攻防）国内外主要进展和具体研究案例，报告还将介绍团队近年来针对深度学习提出的测试、理解和优化的深度学习对抗攻防与安全评测的研究工作，最后将介绍团队发布的深度学习安全评测开源项目——“重明”。
报告题目：人脸图像深度合成与鉴别
报告人：赫然 研究员 中科院自动化所
报告时间：17:00-18:00
报告人简介：赫然，中国科学院自动化研究所模式识别国家重点实验室研究员，中国科学院特聘研究员，中国科学院大学岗位教授，IAPR Fellow。从事模式识别应用基础理论研究，并应用到计算机视觉、生物特征识别、深度合成和人工智能安全，获得XXX生成竞赛冠军，在华为、美团、京东等取得应用，算法日调用量过亿次；近期主要聚焦在非监督机器学习以及深度合成中遇到的瓶颈问题。出版信息理论学习专著1部；在IEEE TPAMI(影响因子: 17.86)第一作者发表论文5篇，研究工作获IAPR ICPR Best Scientific Paper Award(2020)、IEEE SPS Young Author Best Paper Award(2020和北京青年优秀科技论文一等奖(2015)，受到国家自然科学基金优秀青年科学基金、北京自然科学基金杰出青年科学基金和中科院青年促进会优秀会员等项目资助。
报告摘要：深度合成是指使用深度学习等智能化技术对多媒体数据进行修改、编辑和替换，进而创造出从内容或表观上完全不同的媒体内容。深度合成及其鉴别是机器学习和计算机视觉等领域的重要研究内容之一，被广泛应用于人工智能，在国家公共安全领域具有重要研究意义。本报告结合深度合成的实际应用需求，介绍“合成”与“鉴别”相辅相成、“攻击”与“防御”相互促进的对抗博弈机制；在深度合成方面，从信息理论角度探寻深度合成的信息交换本质，介绍不对称互信息、表象最优传输和信息瓶颈解表达等生成模型，以及语音驱动说话人、人脸表情驱动和人物换脸等深度合成方法；在深度鉴别方面，介绍轻量级神经网络架构，该架构广泛应用于语音和人脸鉴伪。
欢迎广大师生踊跃参加！
计算机学院、软件学院、网络空间安全学院
数字取证教育部工程研究中心