报告题目：Adversarial Machine Learning: A Unified Perspective of Adversarial Examples, Backdoor Learning and Weight Attack

报告人：吴保元，香港中文大学（深圳）副教授

报告时间：2021年08月28日，15：00

腾讯会议号：140 856 433

报告摘要：Adversarial machine learning (AML) studies the phenomenon that machine learning may make inconsistent actions with humans. Some paradigms have been recently developed to explore such inconsistency at different stages of machine learning, such as backdoor learning at the training stage, weight attack at the deployment stage, as well as adversarial attack at the testing stage. In this talk, we will present a general mathematical framework to unify existing attack paradigms. This unified framework not only builds the connection among these paradigms, but also provides a broad vision to push forward the research of AML. Our latest research of AML will also be introduced.

报告人简介：吴保元博士现任香港中文大学（深圳）数据科学学院副教授，深圳市大数据研究院大数据安全计算实验室主任。2014年获得中国科学院自动化研究所模式识别国家重点实验室模式识别与智能系统博士学位，师从胡包钢研究员。他在人工智能的顶级期刊和会议上发表论文40多篇，包括TPAMI, IJCV, CVPR, ICCV, ECCV, ICLR, AAAI等，并曾入选人工智能顶级会议CVPR 2019最佳论文候选名单。他曾担任腾讯AI Lab高级研究员和专家研究员，在腾讯工作期间领衔发布了业内第一个AI安全的威胁风险矩阵，得到业内和媒体的广泛关注。2021年5月，组织开办了“AI安全与隐私”系列学术论坛，定期邀请知名专家学者分享AI安全与隐私领域的最新科研成果。他担任人工智能领域国际期刊Neurocomputing编委、国际会议ICLR 2022、AAAI 2022、ICIG 2021 领域主席，国际会议AAAI 2021、IJCAI 2020/2021高级程序委员、中国计算机学会、中国自动化学会多个专业委员会委员。作为项目负责人承担国家自然科学基金面上项目1项，CCF-腾讯犀牛鸟基金1项，腾讯研究专项基金2项。