報(bào)告題目：深度學(xué)習(xí)惡意樣本識(shí)別及智能系統(tǒng)的對(duì)抗攻防研究
英文題目: Deep learning malicious sample identification and intelligent system counterattack and defense research
主講人：盧樹(shù)強(qiáng)研究員
主講人單位：清華大學(xué)-奇安信聯(lián)合研究院
時(shí)間：2020年9月22日（周二）11:10-13:10
地點(diǎn)：明理樓B306
主辦：西南石油大學(xué)科研處、計(jì)算機(jī)科學(xué)學(xué)院
報(bào)告摘要：
隨著深度學(xué)習(xí)技術(shù)的發(fā)展和進(jìn)步，越來(lái)越多的場(chǎng)景和任務(wù)的科學(xué)研究及工程應(yīng)用都在開(kāi)始結(jié)合對(duì)應(yīng)的Deep Learning為基礎(chǔ)的智能算法，如圖像識(shí)別，自然語(yǔ)言處理，語(yǔ)音識(shí)別，計(jì)算機(jī)視覺(jué)處理，智能決策與控制等方向。對(duì)應(yīng)的隨著惡意樣本的海量數(shù)據(jù)積累，越來(lái)越多的惡意樣本相關(guān)任務(wù)（惡意代碼判別，惡意流量檢測(cè)）開(kāi)始已經(jīng)逐步在以傳統(tǒng)機(jī)器學(xué)習(xí)為主的特征工程模型處理過(guò)渡到應(yīng)用深度學(xué)習(xí)技術(shù)處理。針對(duì)當(dāng)前惡意樣本檢測(cè)研究與處理問(wèn)題，本報(bào)告將通過(guò)對(duì)深度學(xué)習(xí)模型的特點(diǎn)分析，結(jié)合惡意樣本本身數(shù)據(jù)表達(dá)特性，介紹對(duì)應(yīng)的深度學(xué)習(xí)的相關(guān)技術(shù)方向和模型在惡意樣本檢測(cè)任務(wù)場(chǎng)景中的應(yīng)用研究方法及智能安全檢測(cè)系統(tǒng)與智能腦機(jī)接口系統(tǒng)的攻擊技術(shù)和防御方案。
報(bào)告人簡(jiǎn)介：
盧樹(shù)強(qiáng)，男，博士，清華大學(xué)-奇安信技術(shù)研究院研究員，清華大學(xué)網(wǎng)絡(luò)安全實(shí)驗(yàn)室博士生，畢業(yè)于麻省理工學(xué)院和芝加哥大學(xué)，人工智能與認(rèn)知科學(xué)方向?，F(xiàn)就讀于清華大學(xué)網(wǎng)絡(luò)與信息安全專(zhuān)業(yè)。長(zhǎng)期從事智能系統(tǒng)設(shè)計(jì)與類(lèi)腦決策計(jì)算系統(tǒng)的研發(fā)工作及腦機(jī)接口技術(shù)應(yīng)用研發(fā)工作，國(guó)際知名腦科學(xué)公司腦陸科技(Brainup)創(chuàng)始人兼研發(fā)科學(xué)家。當(dāng)前主要進(jìn)行智能算法（深度學(xué)習(xí)，遷移學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，對(duì)抗生成學(xué)習(xí)等）技術(shù)在網(wǎng)絡(luò)安全惡意樣本檢測(cè)任務(wù)，腦機(jī)接口及腦科學(xué)應(yīng)用任務(wù)的研發(fā)，及智能系統(tǒng)（智能安全系統(tǒng)與智能腦機(jī)接口系統(tǒng)）的對(duì)抗防御安全研究。
