2022年3月18日，CSIG媒体取证与安全青年讲堂(ChinaMFS Youth Lecture) 22-01期成功举行。本次活动由拉斯维加斯手机娱乐网站 (CSIG)主办，CSIG数字媒体取证与安全专委会承办，北京航空航天大学刘祥龙教授团队协办，北京航空航天大学助理教授刘艾杉主持，邀请了北京航空航天大学两位博士研究生陶仁帅、王嘉凯分享了各自被CVPR 2022录用的工作。本次青年讲堂通过腾讯会议在线进行，19时正式开始，两位博士从跨域鲁棒检测、物理世界安全补丁等深度学习安全领域的应用和发展方向等方面进行了深入讲解和交流。

青年讲堂活动的开展初衷是为青年学者们提供知识分享和经验交流的平台。不同于专委会的在线讲习班的专家讲座和科普类活动中的趣味宣讲，青年讲堂希望用大型专题类讲座为广大青年学者提供领域内专业知识的快速入门经验，帮助各位老师和同学快速了解其他分支的技术，以推动自身研究领域的发展。本次青年讲堂吸引了约100位师生参与学习讨论。

陶仁帅博士从开放环境下的目标检测任务研究展开，提出了一个兼具趣味与挑战的问题——内生偏移引起的跨域检测性能下降。陶博士分析了目前的跨域检测方法主要研究外部环境引起的域间偏移，这种偏移通常是可以被肉眼感知的。然而，在真实场景下，例如医学影像、X光安检场景等，还存在着另一种形式的域间偏移——内生偏移，这种偏移是由于内部因素引起的，例如成像原理、硬件参数等，通常很难被肉眼觉察。

陶仁帅博士展示了内生偏移能引起性能的剧烈下降，并分析了这种偏移目前但是很少被研究者们关注到。在CVPR 2022的工作中，陶博士和团队成员以X光安检场景为例，首先从域间偏移产生原因入手，结合常见的自然场景变化，分析复杂环境下场景和感知设备变化导致的外生和内生域间偏移的异同点，构建了合理评估模型克服内生偏移能力的基准，以及提出相应的抑制噪声扰动网络。该噪声抑制网络从分析类别相关和类别无关的两种噪音入手，利用原型生成和对抗学习两种策略分别对两种噪音进行抑制，最终达到缓解跨域检测中内生偏移带来的性能损失。

王嘉凯博士面向物理世界的视觉应用鲁棒性开展探索性研究，提出了一种从数据侧增强视觉应用鲁棒性的具有较高迁移性和泛化性防御补丁生成方法。王博士首先介绍了当前计算机视觉任务下的对抗安全风险和常见对抗防御加固技术，并指出了当前的对抗防御方法存在的问题，即是物理世界的开放环境下，由于存在的噪声多样性和部署的模型多样性，当前对抗防御方法面临的对不同噪声的泛化性和在不同模型间的迁移性挑战。

王博士从对抗样本的实际效用角度出发，认为对抗样本实质上旨在对模型进行恶意引导，因此提出了“Noise for good”概念，希望通过扰动的方式反向实现对模型决策的正向引导。在CVPR2022的工作中，他提出了一种促进视觉模型识别能力的防御补丁生成方法，通过局部可识别模式注入和全局感知关联度增强策略，可以生成一种在黑盒和白盒条件下都能辅助模型进行更准预测的防御补丁，这种补丁不仅仅拥有对不同类型噪声的泛化防御能力和在不同结构模型之间的迁移防御能力，并且可以提升模型丢良性样本的决策准确率，具有一定的潜在应用价值。

在提问环节，两位博士详细解答了同学和老师们的疑问。有的同学仔细询问了跨域检测任务下目标域和源域样本在训练过程中的区别，有的同学提出了特征关联度对模型决策准确性的影响。两位博士一一解答了与会听众提出的问题，报告在各位参会师生的热情参与讨论中圆满结束。