学术报告
-
联邦学习
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。
-
DQN深度强化学习算法
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。
-
面向恶意软件检测系统的对抗样本攻击
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。
-
差分隐私原理及应用
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。
-
爬虫中的攻与防
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。
-
逆向分析与软件保护
逆向思维应用在学习、工作中的方方面面,学术报告中介绍了逆向分析的概念及应用,通过微信的破解演示展示了软件逆向的过程。在最后针对软件发布后可能存在的被调试、被破解风险,介绍了几种软件保护的方式。但是从技术上无法完全保证软件的安全。破解与反破解技术的发展呈现螺旋式的发展趋势。
-
http协议概览
HTTP 协议本身并不复杂,理解起来也不会花费太多学习成本,但很多前端工程师常常忽视了 HTTP 协议这部分基础内容。实际上,如果想要在专业技术道路上走得更坚实,绝对不能绕开学习 HTTP 协议这一环节。对基础及核心部分的深入学习是成为一名专业技术人员的前提,以不变应万变才是立足之本。本次学术报告讲解了http协议的基础知识、工作原理等,并简单介绍了http…
-
人工智能系统安全综述
人类正在经历着由深度学习技术推动的人工智能浪潮,它为人类生产和生活带来了巨大的技术革新。然而,以往的机器学习理论大多没有考虑开放甚至对抗的系统运行环境,逐渐暴露出了许多安全和隐私问题。本次学术报告介绍了人工智能系统安全防护的基本思想,并分享了六种经典的人工智能系统攻击手段及相应对策,最后讨论了人工智能系统未来在安全研究方面的发展趋势。