对话华中科技大学霍普克罗夫特计算科学研究中心何琨教授：深度学习对抗样本的研究以及教职招聘（职场会客厅第十六期）

专家简介：何琨，华中科技大学计算机学院教授、博士生导师，智能科学与技术专业负责人，华中科技大学霍普克罗夫特计算科学研究中心副主任、执行主任，2016-2017学年康奈尔大学工程学院Mary Shepard B. Upson冠名客座教授，ACM高级会员、IEEE高级会员、CCF杰出会员。主要研究领域包括人工智能安全、图机器学习、智能优化与决策、深度学习、AI4Science等，在NeurIPS、ICML、ICLR、CVPR、ICCV、ACL、AAAI等国际顶级会议及IJCV、TNNLS、TKDD等权威期刊上发表学术论文180余篇，谷歌学术引用约5500次，自2015年以来多次入选AI 2000全球最具影响力学者榜单，曾获约束与规划国际学术会议CP 2021最佳论文奖、可满足性问题SAT 2022国际算法竞赛主赛道冠军，主持国家自然科学基金联合重点项目等30余项科研项目，获湖北省科技进步一等奖。她指导的本科生多次获得ACM-ICPC大学生程序设计大赛金奖并多次入围全球总决赛，获得中国软件杯等国内大赛一等奖等奖项，荣获校三育人奖和校“我最喜爱的班主任导师”等荣誉称号。她还长期担任NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、EMNLP、AAAI等顶级会议的程序委员会委员及受邀担任PNAS、TPAMI、TIP、TNNLS、IJCV、TKDE等权威期刊的审稿人。 

1、时间：6月29号（周六）晚上20：00

2、地点：腾讯会议（获取方式见本文末）

3、分享提纲：

深度学习模型的对抗样本研究

近年来，深度学习模型在计算机视觉、自然语言处理等多个领域取得了广泛应用并展现出显著优势。然而，深度神经网络模型易受到对抗样本的攻击，即通过在输入样本上添加微小且人眼难以察觉的扰动，不改变输入样本的真实标签，却能误导模型输出错误预测。对抗样本的存在严重威胁了模型在现实应用中的安全性。因此，研究如何生成对抗样本，以及防御对抗样本攻击和提升模型的对抗鲁棒性，具有重要的理论意义和现实价值。本次报告将聚焦深度学习模型的对抗样本研究，介绍图像识别领域中代表性的对抗攻击与防御方法，深入探讨如何确保人工智能模型的安全性。

1. 华中科技大学霍普克罗夫特计算科学研究中心介绍

A.研究中心的背景与目的

B.研究团队与师资力量

C.研究成果与贡献

2. 深度学习模型的对抗样本研究介绍

A.对抗样本的基本概念

B.对抗样本的生成方法

C.对抗样本研究的未来趋势

3. 教职招聘介绍

A.教职招聘的基本流程

B.应聘者的准备与技巧

C.招聘单位的要求与考量

D.教职工作的特点与挑战

4、活动须知：本期会客厅主要以访谈形式展开，请在本文下方评论留言你想问的问题，我们会根据大家的提问预设问答环节讨论主题。会议当天参会者也可在聊天室内以文字的形式提交问题与嘉宾互动。

5、注：时间节点若有变化，我们会在本文下方置顶留言，请及时关注。