CSIG图像图形中国行-深圳大学站将于6月21日举办

学会动态

CSIG图像图形中国行-深圳大学站将于6月21日举办

发布时间：2023-06-19 来源：拉斯维加斯手机娱乐网站分享：

“CSIG图像图形中国行”是由拉斯维加斯手机娱乐网站、广东省图象图形学会主办的学术活动，旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了80余期，线上线下参会人数累计数万人次，受到业界好评。本次“CSIG图像图形中国行”由CSIG数字媒体取证与安全专委会、深圳大学电子与信息工程学院、中山大学网络空间安全学院联合承办，交流主题为“人工智能安全威胁与模型保护”。

组织机构

主办：拉斯维加斯手机娱乐网站（CSIG），广东省图象图形学会

承办：CSIG数字媒体取证与安全专委会、深圳大学电子与信息工程学院（广东省智能信息处理重点实验室）、中山大学网络空间安全学院

时间：2023年6月21日8:45

地点：深圳市南山区深圳大学沧海校区致理楼L3-1115

执行主席

执行主席：李斌教授

李斌，深圳大学教授，博导，广东省智能信息处理重点实验室主任，深圳市媒体信息内容安全重点实验室主任，广东省自然科学基金杰出青年基金获得者，深圳市高层次专业人才，深圳市优秀教师，IEEE/CCF/CSIG高级会员，入选斯坦福大学全球前2%科学家榜单。研究领域包括图像音视频信息内容安全，智能信息处理，机器学习等。发表包括国际权威刊物IEEE T-IFS、IEEE T-IP、IEEE T-CSVT等SCI/EI论文150多篇。获中国计算机学会科学技术奖自然科学一等奖、深圳市自然科学二等奖、广东省计算机学会自然科学二等奖等。担任广东省图象图形学学会副理事长，IEEE Transactions on Information Forensics and Security AE/SAE等学术职务。

联合执行主席：杨文元助理教授

杨文元，中山大学“百人计划”引进人才，中山大学网络安全学院助理教授，长期从事隐私计算与人工智能安全领域的研究，在TIFS等网络与信息安全领域期刊/会议上发表10余篇论文；于2022年获得北京大学博士学位，2016年获得电子科技大学学士学位；曾担任IJCAI 2022China人工智能模型审计与监管研讨会主席，国际人工智能与安全会议（ICAIS-2022）跟踪主席，国际知识科学、工程与管理会议（KSEM-2022）技术项目委员会成员；研究兴趣主要为数据与智能系统安全，着重研究密码技术应用于数据安全与人工智能安全。

联合执行主席：陈昌盛副教授

陈昌盛在中山大学和新加坡南洋理工大学获得学士和博士学位，在香港科技大学从事博士后研究。于2016年加入深圳大学电子与信息工程学院，目前为长聘副教授。主要研究数字图像取证技术。他入选深圳市 “孔雀计划”（C类），南山区“领航人才”，深圳大学“荔园优青”。目前为拉斯维加斯手机娱乐网站数字媒体取证与安全专业委员会委员，广东省图象图形学会副秘书长。已在IEEE TSP、TIP、TIFS等国际顶级期刊和重要会议发表论文30余篇，已获授权中国发明专利15项。获得2022年度教育部优秀成果奖自然科学奖二等奖（排名第3/5），中国多媒体取证与安全大会“阿里巴巴-最佳报告”奖，深圳市科协“优秀自然科学学术论文”奖。他目前为IEEE、CCF和CSIG的高级会员。

报告专家

范力欣博士

个人简介：范力欣博士是微众银行人工智能首席科学家，他的研究领域包括机器学习和深度学习，隐私计算和联邦学习，计算机视觉和模式识别，图像和视频处理，3D大数据处理，数据可视化和渲染，增强和虚拟现实。范博士是70多篇国际期刊和会议文章作者，范博士曾在诺基亚研究中心和欧洲施乐研究中心工作。范博士长期参加NIPS/NeurIPS，ICML，CVPR，ICCV，ECCV，IJCAI等顶级人工智能会议并担任AAAI领域主席，主持举办了各个技术领域的研讨会。他还是在美国，欧洲和中国提交的近百项专利的发明人，和IEEE可解释人工智能标准制定组主席。

报告题目：Advance and open issues in model ownership verification

报告摘要：一个良好的深度学习模型是模型构建者的重要知识产权资产，模型所有权验证是确定模型所有者身份、保护模型版权的主要手段。本报告围绕模型版权保护技术手段，提出领域内亟待解决的一系列开放性问题（Open issue），探讨人工智能版权保护的潜在研究方向，以期为后续模型所有权验证工作提供思路和启发

夏志华教授

个人简介：夏志华，暨南大学教授/博导，国家优青获得者。研究方向包括人工智能安全、数字取证等。担任暨南大学网络空间安全系主任、可信人工智能教育部工程研究中心副主任。是国际期刊IJAACS执行主编，江苏省“青蓝工程”、“333工程”、“六大人才高峰”人才培养对象。主持国家重点研发计划项目1项、国家自然科学基金项目4项，获省部级科学奖3项。发表学术论文60余篇，8篇论文成为ESI高被引论文，连续3年入选爱思唯尔中国高被引学者榜单。

报告题目：人工智能隐私与取证

报告摘要：当前，新一代人工智能技术迅猛发展，并向社会各个领域加速渗透，给人类生产生活带来了深刻变化。人工智能在带来巨大机遇的同时，也蕴含着风险和挑战。部分安全问题包括：AI模型训练与应用中的数据隐私问题、AI模型的鲁棒性问题、AI模型的版权与取证问题、AI模型的公平性问题等。本报告主要介绍实验室在AI隐私、AI模型版权与取证方面的工作进展，包括：1）非线性函数sigmoid和Tanh的安全两方计算优化方法，2）鲁棒GAN模型水印方案，3）ChatGPT生成摘要检测方法与实验。

夏树涛教授

个人简介：夏树涛教授，本科与博士均毕业于南开大学数学系，现为清华大学深圳国际研究生院教授，博导，计算机科学与技术研究所所长、深圳智能语义挖掘技术工程实验室主任。近年来主要从事信息论编码、互联网与人工智能等方向的教学与科研工作，目前的主要研究兴趣为编码/数据压缩与量化、AI+互联网及机器学习算法等。在在IEEE TIT, TPAMI, TSP, TDSC, ToN等国际顶级期刊和NIPS/ICML/ICLR, CVPR/ICCV/ECCV, DAC, MM, AAAI, WWW等领域顶级会议上发表论文一百多篇。具体研究方向可参阅

个人主页：https://www.sigs.tsinghua.edu.cn/xst/main.htm

报告题目：信息论、机器学习与AI安全初探

报告摘要：信息论与机器学习如何相互影响？本报告尝试对问题做出一些探讨。一方面，深度学习中的数据表示本质上可看作有失真的数据压缩并由率失真理论刻画，而推断可视为一个有噪信号的译码过程；另一方面，深度模型可以给出更好的数据压缩算法、在纠错码的编译码方面也有很大潜力。本报告还将介绍本课题组在人工智能安全方面的研究进展和当前面临的问题和挑战。

陈斌助理教授

个人简介：陈斌，清华大学计算机科学与技术专业博士，哈尔滨工业大学（深圳）计算机科学与技术学院助理教授，硕士生导师，深圳市“孔雀计划”特聘岗位。主要从事机器学习、深度学习、信息论编码等方向的教学与科研工作，在人工智能/信息论/通信顶级期刊如IEEE Transactions on Patttern Analysis and Machine Intelligence (TPAMI), IEEE Transactions on Information Theory (TIT), IEEE Transactions on Communications (TCOM)和AAAI/CVPR/ECCV/MM/WWW/DAC/INFOCOM/ISIT/ICC等相关领域顶级会议上发表论文40余篇，并担任多个顶级期刊和会议的审稿人。

报告题目：面向多媒体检索系统的安全与版权保护

报告摘要：本报告将面向多媒体检索系统考虑其对抗鲁棒性。具体地，本报告将介绍两类主流的离散检索算法，并介绍其对抗样本的生成与防御，并从信息论的角度给出了对抗样本的理论最优生成方案。最后，从视频检索内容的隐私与版权保护的角度出发介绍对抗视频帧的生成，从而实现对抗噪声做“好事”。

薛明富副教授

个人简介：薛明富，南京航空航天大学计算机科学与技术学院/人工智能学院副教授。博士毕业于东南大学，新加坡南洋理工大学联合培养。研究方向为人工智能安全。IEEE Senior Member、CCF Senior Member。任国家自然科学基金函评专家、教育部学位中心学位论文评审专家。已主持14个科研项目，另参与4个项目，含6个国家级项目（国家自然科学基金、JWKJW项目、1XX项目、XXXXXX项目等），3个省部级项目，3个CCF基金等。发表论文60余篇，其中30篇SCI，12篇CCF A类/中科院1区/Transactions。获3项论文奖。2本著作。专利10余项。任ACM南京分会执行委员、中国人工智能学会人工智能与安全专业委员会委员、拉斯维加斯手机娱乐网站数字媒体取证与安全专委会委员、中国人工智能学会青年工作委员会委员、江苏省人工智能学会智能与安全专委会委员、江苏省网络空间安全学会数据安全专委会委员等多个专委会委员。任20余个国际会议的程序委员会委员。任约60个SCI国际期刊（包括14个Transactions）、2个CCF中文A类学报、约35个国际会议(如CVPR、ICCV、ECCV等)的长期审稿人。参与两项人工智能安全标准制定。

报告题目：深度学习模型的主动授权控制

报告摘要：训练一个高精度的深度学习模型需要海量的训练数据、昂贵的硬件资源、专家知识，其训练过程可能持续数周，因而成本高昂。训练好的深度学习模型可以视作是模型建立者的知识产权。近年来，深度学习模型的版权保护已经引起了广泛的关注。本报告将介绍课题组在深度学习模型版权保护方面的部分工作，尤其侧重于深度学习模型的主动授权控制。

吴保元副教授

个人简介：吴保元博士现任香港中文大学（深圳）数据科学学院副教授、深圳市模式分析与感知计算重点实验室（筹）副主任、腾讯AI Lab可信AI技术组顾问。其研究方向包括可信人工智能、机器学习和计算机视觉，在人工智能的顶级期刊和会议上发表论文70多篇，并曾入选人工智能顶级会议CVPR 2019最佳论文候选名单。其担任人工智能领域国际期刊Neurocomputing编委、第五届中国模式识别与计算机视觉大会PRCV 2022组委会主席、国际会议NeurIPS 2022/2023、ICLR 2022/2023、ICML 2023、AAAI 2022/2024领域主席、中国自动化学会模式识别与机器智能专委会副秘书长，入选斯坦福大学“全球前2％顶尖科学家”2021年度榜单。作为项目负责人承担国家自然科学基金面上项目1项，深圳市优秀科技创新人才优秀青年基础研究项目1项，CCF-腾讯犀牛鸟基金1项，CCF-海康威视斑头雁基金1项，CAAI-华为MindSpore学术奖励基金1项，腾讯犀牛鸟研究专项基金2项。

报告题目：对抗机器学习的统一视角和最新进展

报告摘要：本次讲座将首先给出对抗机器学习的严格定义，并展示一个统一的数学描述框架，可以涵盖现有不同分支，包括训练阶段的后门攻击，部署阶段的权重攻击和测试阶段的对抗样本攻击。基于该统一框架，我们对现有攻击和防御方法进行了详细梳理和分类，力争为大家展示一幅清晰的对抗学习全景图。最后，我们还将着重介绍在后门学习上的最新科研成果。

吴汉舟副教授

个人简介：吴汉舟，博士，上海大学副教授，上海市“晨光计划”入选学者，CCF-腾讯犀牛鸟基金入选学者，主要研究信息隐藏，在本领域重要期刊和会议上合作发表论文20余篇，撰写4个英文章节，谷歌学术引用1500余次，曾获全国信息隐藏暨多媒体安全大会优秀论文奖、CSIG中国媒体取证与安全大会最佳报告奖，担任本领域重要会议IEEE WIFS’22的联合组织主席。

报告题目：频域可解释性黑盒模型水印

报告摘要：黑盒模型水印因其更加切合应用需求而得到广泛关注。对黑盒模型水印而言，如何构造触发样本是重要的科学问题，其中触发样本的稳健性和隐蔽性是重要指标。主流构建触发样本的方法因引入失真大而导致隐蔽性差，很少考虑针对触发样本的攻击行为，较难解释触发机制与模型的内在关联。本报告将介绍一种基于频域扰动的触发样本构造方法，通过在模型训练的过程中，分析频域扰动对模型稳健性和水印稳健性的内在影响，寻找能够平衡模型稳健性、模型泛化能力、水印稳健性和水印隐蔽性的最佳频率集，将该频率集作为扰动对象构造触发样本，实现稳健性强、隐蔽性高的黑盒模型水印。

会议流程

联系方式

刘老师，liuwanqi@szu.edu.cn, 17876998165

杨老师，yangwy56@mail.sysu.edu.cn，15631809618