学术报告

现在大多数方法都是直推式学习， 不能直接泛化到未知节点。这些方法是在一个固定的图上直接学习每个节点embedding，但是大多情况图是会演化的，当网络结构改变以及新节点的出现，直推式学习需要重新训练，很难落地在需要快速生成未知节点embedding的机器学习系统上，本次报告介绍了一种归纳学习图嵌入—GraphSAGE(Graph SAmple and agg…

本次报告介绍一种基于图神经网络的中文短文本匹配模型，采用图结构的多粒度输入解决中文文本分词错误、不一致、歧义等问题造成的匹配性能下降问题。同时，报告介绍了文本匹配的研究现状，帮助大家了解文本匹配的概念和各种框架的使用场景。本次报告也希望对图神经网络在文本数据的应用上带来启发。

贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。

联邦学习（Federated Learning）在2016年由谷歌最先提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习，解决数据孤岛的问题。

本次学术报告主要给大家详细的介绍DQN算法原理及其调参细节，并且进行举例说明和总结以加深大家的理解。

当下投入使用的恶意软件检测系统日益增多，但同时还带来了大量的安全问题，如何有效地提高恶意软件检测系统的鲁棒性变成当下重要的课题。在这里，从攻击者的角度入手，面向恶意软件检测系统，着眼研究对抗样本攻击的经典模型和算法，探究其同面向图像领域进行攻击的区别，最后了解对抗样本攻击日后的发展方向和研究领域。

大数据时代隐私泄露成为了一个严重的问题，大量的个人信息在网上传播。另一方面大数据时代对数据的可用性也有一定的要求。因此当前如何在保障用户的隐私的同时，提供一定的可用性成为一个关键问题。学术报告介绍了差分隐私的基本原理及变体，并详细的介绍了差分隐私在地理位置脱敏上的应用：Geo-Indistinguishability。

爬虫技术是获取数据的利器，它避免了繁琐又低效的人工数据搜集。爬虫带来获取数据极大便利的同时，也催生了反爬技术的发展。学术报告以反爬措施以及对抗反爬的手段作为议题，详细介绍了5类反爬的具体流程，并对其优劣做出了总结。反爬措施与对抗反爬手段是大数据时代带来的技术发展，也是攻与防在数据获取层面对抗的缩影。