报告时间：2022年6月18日（周六）14:30-17:30

报告地点：线上腾讯会议569-883-5662

报告题目：基于深度学习的对抗攻击研究

报告简介：深度学习模型极易受到攻击，从而导致性能急剧下降，如何提升深度学习模型的鲁棒性极为重要。同时，大多数深度学习应用系统是黑盒系统，如何测试这类系统的鲁棒性依旧充满挑战。鉴此，本报告将讨论如下问题：（1）采用多任务学习方法构造对抗样本，解决黑盒模型的数据集未知性。（2）设计多黑盒攻击算法，对多个功能相近的模型进行攻击。（3）针对训练集真实标签未知以及黑盒查询次数受限，如何利用对比学习算法训练替代模型，并采用间断性查询方法来提升每次查询结果利用效率，进而生成有效的对抗样本攻击黑盒模型。

报告人介绍：段明星，湖南大学信息科学与工程学院副教授，博士生导师，香江学者，毕业国防科技大学计算机学院。目前已发表学术论文20多篇，Google学术引用500+（2016-2021），获发明专利9项，主持国家重点研发子任务、国家自然科学基金青年基金项目各1项、国防装备预研国家重点实验室基金项目1项、深圳市基础研究面上项目1项，深圳优秀科技创新人才培养1项、汽车重点国家实验室开放基金1项、博后特等资助项目1项、博后面上资助项目1项等9项国家省部级项目，参与多项国家级项目。同时，获中国博士后香江学者奖、湖南省自然科学一等奖、湖南大学杰出博士后、第十三届湖南省高等教育教学成果奖二等奖、第三届“互联网+”大学生创新创业大赛银奖、国防科技大学光华奖学金等奖励。