学术报告

风格迁移是将多种类型风格转换成另一风格，是自然语言处理领域的一个重要问题，表征着文本生成和风格控制技术的发展情况，在大数据时代下的隐私保护等方面起着重要作用。本文主要介绍了文本风格迁移存在的问题及解决方法，并介绍了两篇经典的风格迁移方法。

Few-shot learning (FSL)的含义是得到从少量样本中学习和概括的能力，它希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习。小样本学习概念最早在计算机视觉领域兴起，近年来受到广泛关注。本次学术报告讲解一些小样本的基本概念和目前比较主流的基于度量学习的小样本学习方法。

可解释性对于建立用户与决策模型之间的信任关系至关重要，提高机器学习模型的可解释性和透明性是机器学习在现实任务中进一步发展和应用的关键。本次报告带大家了解机器学习常用的可解释方法的基本原理和应用（规则提取、LIME和SHAP）。

模式是一种可复用的解决方案，可用于解决软件设计中遇到的常见问题。本次报告带大家了解web开发中部分设计模式思想以及应用实例 ，以及了解消息中间件（异步、解耦、削峰）的简单使用。

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关于GAN的原理、优缺点和应用场景，并介绍基于GAN的表格数据生成算法：CTGAN。

介绍了设备识别的发展历史、各层协议的特征及其优劣性，对两篇关于内网、外网识别的高水平文献进行了讲解，对比了设备识别的主要研究方向，以期帮助初学者快速了解领域内的动态及发展前景。

1.环境感知型恶意软件使用的反检测方法及实例     2.部分高水平文献中的反检测算法原理     3.反检测技术的对抗策略

1.恶意软件检测发展历史 2.深度学习在恶意软件检测上的应用 3.恶意软件反检测技术