论坛时间：2021年12月8日，8:50-11:20
论坛形式：腾讯会议，ID 958532 942
报告及报告人简介
报告1:Adversarial Deep Learning in Digital Image Forensics
报告人：王真 院士
报告人单位：加拿大英属哥伦比亚大学
报告时间：2021年12月8日 9:00-10:00
报告人简介：
王真，加拿大英属哥伦比亚大学（UBC）电子与计算机工程系终身教授，IEEE 会士（Fellow）及加拿大工程院院士（FCAE）。于清华大学电机系获学士学位，美国康涅狄格州立大学（UConn）获硕士和博士学位，美国马里兰大学博士后。她从2004年起任教UBC，领导数字信号图像处理、机器学习和生物工程实验室。在权威杂志上发表160余篇期刊论文及100余篇国际会议论文。曾担任IEEE多个期刊的编辑，现任 IEEE Signal Processing Letters 的主编，多次参与组织领域内的顶级IEEE会议，担任大会主席、学术委员会主席等。
报告简介：
In the new AI era, seeing is no longer be believing. Ensuring the integrity and authentication of digital images is increasingly challenging and vital. This talk gives a brief review of my group’s research efforts in the intersection of deep learning and digital media security -- adversarial deep learning, including both adversarial attacks and adversarial defenses. Deep learning has achieved state-of-the-art performances in many applications. Unfortunately, both digital images and current deep learning models are vulnerable to manipulations and attacks, giving rise to security, privacy and reliability issues in practical applications.
Under the paradigm of adversarial deep learning, as an attacker, we study potential adversarial attacks and explore novel approaches to study potential vulnerabilities of deep learning models, by investigating three fundamental learning tasks: matching, classification and regression. We present novel attacks (both in the digital domain and in the physical domain) for several essential models belonging to the above three dominant tasks: e.g., GAN-generated fake face imagery forensics; multiclass image classification; camera-LIDAR 3d object detection; and single object tracking in videos. We address the related security threats in the above problems and study how to fool deep learning models to make wrong decisions.
报告2:人-机-物智能
报告人：杨天若 院士
报告人单位：海南大学
报告时间：2021年12月8日10:00-11:00
报告人简介：
杨天若，毕业于清华大学获计算机和应用物理双学士，于加拿大维多利亚大学获计算机科学博士学位。现任海南大学学术副校长及计算机学院院长,加拿大工程院院士，加拿大工程研究院院士，欧洲科学院院士, IEEE/IET 会士，国家特聘专家，ACM 杰出科学家。主要从事人机物系统设计和数据分析的研究。在这些领域中,共计发表了250多篇顶尖IEEE和ACM 汇刊论文, 其中有7篇文章入选ESI热点(top 0.1%)文章, 28篇论文入选ESI高被引 (top 1%)。同时也是多个国际著名出版社出版的 25 余本学术著作的作者或编者,在世界 50 多个国际主要学术会议与研讨会上做大会特邀主题报告,并担任3个IEEE技术委员会主席和多个国际重要学术会议指导委员会主席。曾获得多项国际性奖励与荣誉:加拿大工程研究院 John B. Stirling Medal 奖章 (2021),IEEE Sensor Council 技术成就奖(2020),IEEE Canada C. C. Gotlieb 计算机成就奖(2020)等。
报告简介：
随着信息技术、计算机技术和通信技术的迅猛发展，人类社会逐渐成为一个人、机、物紧密耦合的三元混合空间，也称之为信息-物理-社会系统(Cyber-Physical-Social Systems, CPSS)。如何在这个混合空间中为人类提供个性化、前瞻性的服务，是人-机-物智能研究的终极目标之一。为此，本报告重点讲述了我们一直从事的人机物系统级设计方法，针对人-机-物环境中多用户社交情境、系统安全和低功耗等要求，提出了人-机-物自动化设计模型。为了实现该模型的自动生成及优化，从数据分析的角度出发，深入研究了人-机-物系统大数据分析与处理方法，提出了大数据统一表示、大数据分布式计算、大数据增量式计算、多模态分类、多模态聚类、多模态预测、多模态推荐等大数据分析方法, 并重点讨论如何实现安全和隐私保护的系统设计和大数据分析。 依据数据分析的动态反馈结果进一步实现人-机-物系统的自适应优化设计. 通过对人-机-物三者的统一描述，自动地进行软硬件资源优化分配及以人为本的主动服务组合, 实现人-机-物环境绿色协调统一。
