学术报告

传统的网络表示一般使用高维的稀疏向量，但是局限在于难以度量节点间的相似性，而一般的静态网络嵌入方法，忽略网络的动态演化过程，因此提出了基于动态网络的嵌入方法学习。本次将基于深度自编码器的两个动态网络嵌入方法——DynGEM、dyngraph2vec进行讲解。

NER一直是NLP领域中的研究热点。近年来，深度学习方法在特征抽取深度和模型精度上表现优异，已经超过了传统方法，但无论是传统机器学习还是深度学习方法都依赖大量标注数据来训练模型。然而，在很多场景下，收集大量的有标签的数据是非常昂贵、困难、甚至不可能。因此在特定领域、小语种等缺乏标注资源的情况下，NER 任务往往得不到有效解决。为了解决然少量标注数据的命名实体…

前端开发是创建WEB页面或APP等前端界面呈现给用户的过程，通过HTML，CSS及JavaScript以及衍生出来的各种技术、框架、解决方案，来实现互联网产品的用户界面交互。本次学术报告主要介绍现代前端MVVM、数据绑定等技术与概念并对比目前三大主流前端框架Vue、Angular、React。

物联网技术和人工智能的快速发展，含时间、空间特性的数据指数增长。如何进行多源异构时空数据本身特性出发，和机器学习深度学习技术深入融合，实现数据实现知识发现和信息挖掘，服务于城市发展与生活应用，是一个巨大挑战。

机器学习，尤其是神经网络，已广泛部署在行业环境中，模型通常被部署为预测服务。但是，具有对模型的查询访问权的对手可以窃取该模型以获得与远程目标模型基本一致的替代模型，这就是模型窃取攻击。本次学术汇报从模型窃取的基本概念和常用方法分类展开讨论，然后结合两篇顶会论文介绍了两类模型窃取方法的基本原理，分析两类方法的优劣势，并且在最后还讨论了模型窃取的未来发展方向。

对抗攻击是当下智能系统的新威胁，它使得很多在现实世界中应用的智能系统存在的安全漏洞极大地暴露了出来。近年来，学界提出了多种实现对抗攻击的方法，但是在不知道目标模型的防御细节的情况下，研究者很难根据经验选择到对当前模型最优的攻击算法。本次学术报告首先说明了对抗攻击和自动机器学习的基础知识，然后介绍了2021的顶会论文中提出的组合对抗攻击的自动化搜索方法，该方法…

二进制程序函数相似性检测常用于代码抄袭检测，同源漏洞判别，恶意软件分析等领域，本次报告主要简要介绍了基于图匹配，图嵌入的检测方法，详细介绍了基于图神经网络的相似性检测方法，最后介绍了相关领域下的应用方法。

当深度学习以惊人的准确性执行各种各样任务的同时，在图像分类等领域的深度神经网络却容易受到对抗样本的攻击，从而输出错误的预测结果。本次学术报告首先说明了对抗攻防的主要方法分类和残差网络的特点，然后重点讲解了一种提高对抗鲁棒性的特征降噪方法，最后介绍了对抗样本的应用领域。