学术报告

本报告介绍了深度学习后门攻击及其检测的基本概念、类型划分等背景知识，对2种基于主动策略的后门攻击检测算法进行了具体说明，阐述了对于深度学习后门攻击检测的发展趋势和未来前景。

在AI攻击复杂性和密集性不断提升的大背景下，ML-NIIDS面临巨大挑战，其中流量对抗样本严重威胁其安全稳定。本次报告从NIDS的迭代发展，聚焦到对抗性安全威胁，再引出主流流量对抗样本检测方案，从算法模型层面进行详细的分析，并对实验结果进行详细解读，总结了当前方法的不足及后续创新思路。

代码变更表示学习技术通常将代码变更进行结构化或序列化的中间表示，并将中间表示输入到表示学习模型以获取代码变更中更细粒度的特征，是众多软件工程任务的重要环节之一。本次报告介绍了2类任务中的代码变更表示学习技术，分析阐述了代码变更表示学习技术的输入表示形式、技术路线和面临的关键挑战等内容。

随着计算机技术的发展，漏洞威胁问题已然日渐严峻，高效、准确的漏洞检测技术对于漏洞的发现和防护都至关重要，但目前常用的检测算法面临漏洞数据集少、信息不准确、构建成本高等问题，所以一个自动化、高效率的软件漏洞注入方法将有效降低检测算法面临的挑战。本次报告的内容介绍了一种向目标软件中仿照真实情况自动注入漏洞，生成漏洞数据集的算法，算法通过学习已有漏洞修复模式，向正…

模型窃取防御技术能够促进深度神经网络的健康发展，推动数据交流与共享。本次报告从大范围的模型窃取防御领域，聚焦到一类算法，从数学公式上对算法进行详细的分析，并对实验结果进行详细解读，给出了防御方法的创新思路。

时序知识图谱推理根据历史时序知识图谱中已知事实，预测查询中缺失的实体或关系，避免知识图谱不完整性对知识驱动系统造成的影响。本次学术报告首先讲解了时序知识图谱推理基本概念，然后详细介绍了RE-GCN和L2TKG两种外推设置的时序知识图谱推理方法，最后介绍时序知识图谱推理的前沿发展。

认知诊断广泛适用于教育教学、临床测量等需要评估用户认知状态的场景。研究智能教育领域下的认知诊断有助于发现学生的认知缺陷，从而进行个性化精准干预。本次学术报告讲述了认知诊断的基本概念与挑战，然后详细介绍了两种基于神经网络的认知诊断方法的算法原理，最后介绍认知诊断技术的前沿发展。

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。为了解决少量标注数据的命名实体识别，人们开始研究小样本命名实体识别任务。本次报告介绍了小样本命名实体识别的基本概念，常用方法，以及CONTaiNER和COPNER两种方法的算法原理。