bfs

本次报告对联邦学习及其后门攻击方法展开介绍，阐述了联邦学习的发展脉络和三大主要框架，介绍了联邦学习安全性问题及后门攻击分类方法，重点讲解经典的集中式/分布式联邦后门攻击方法，启发思考为联邦学习提供可验证的鲁棒性保证，最后对应用领域及发展方向做了总结。

本报告对虚拟化云平台面临的安全威胁与挑战进行介绍，阐述了可用于云平台虚拟机安全检测的系统数据源，重点介绍了利用系统调用序列、系统运行日志的虚拟机异常检测方法，并且概要性介绍了多种序列数据转换方法，最后对应用领域和发展方向等 做了总结。

本次报告介绍了机器学习模型训练过程中的显存优化方法。首先介绍了深度学习框架的显存利用机制，随后结合原理和具体实例讲解了“代码级”和“框架级”显存优化方法，引导大家在实际科研过程中更好地利用显存空间。

本次报告主要讲述了加密移动流量分析方法的相关内容，介绍了加密移动流量与普通流量的区别，流量分析的常用方法。解释了判断加密移动流量所属应用程序的分析方法，最后思考模糊流量对加密移动流量分析的影响。

本次报告主要讲述了Android权限机制和自定义权限的相关内容。介绍了权限机制和自定义权限的基本概念，解释了权限升级漏洞的基本概念，并详细讲解了发现此类漏洞的模式测试方法，最后思考了自定义权限在设计上的缺陷和对应的缓解措施。

本报告主要介绍了隐私数据类型，以及基本的隐私风险检测方法。第一篇论文侧重于分析APP整体的隐私数据泄露，并根据隐私泄露的风险程度给相应的App进行风险评级；第二篇侧重于研究APP中分析库的隐私泄露风险。通过选用具有不同研究重点的两篇文章，带领大家深入理解隐私检测的具体过程。

本报告讲述了系统日志数据异常检测的基本框架，介绍了日志解析和迁移学习的基本概念和方法。通过分析日志数据特点和现有的基于深度学习的日志异常检测方法，详细讲解了两种基于迁移学习的日志异常检测方法，并启发思考跨领域日志异常检测问题。

本报告介绍了强化学习领域基本概念，详细介绍了Q-Learning算法和Deep Q Learning算法的原理，简要梳理了了两种算法的发展脉络，以经典案例windy grid-world演示了Q-Learning算法应用过程，介绍了强化学习方法在网络空间安全、自然语言处理等领域的应用。