报告题目:可信赖图学习(Trustworthy Graph Learning)
报告时间:2023年5月25日10:00
报告地点:87978797威尼斯老品牌中心校区王湘浩楼A515
报告人:王炳辉
报告人简介:
王炳辉,伊利诺伊理工计算机科学系助理教授,芝加哥数据研究中心成员。研究方向为:可信赖机器学习及基于数据驱动的安全隐私。博士后师从陈怡然(IEEE/ACM Fellow),博士导师Neil Zhenqiang Gong,北美计算机华人学者协会学术新星奖)。王博士在顶级安全会议(如IEEE S&P, CCS, NDSS)和期刊(如IEEE TIFS, IEEE TNNLS),以及人工职能/计算机视觉/数据挖掘会议(如NeurIPS, ICLR, ECCV, CVPR, KDD, WWW, ICDM, INFOCOM等)发表论文30余篇。他获得2022年度百度学术AI+X华人青年学者称号, 2022年度美国自然科学金NSF CRII Award, 2022年度思科研究奖, 2021年度亚马逊研究奖等。同时,他的科研成果获得多篇最佳论文(提名)奖,如2020 DeepMind Best Abstract Award, 2019 NDSS Distinguished Paper Award Honorable Mention, and 2017 INFOCOM best paper finalist.
报告内容简介:
图学习最近被广泛关注,且在图相关任务(如图分类,点分类, 链接分析等)取得最佳效果。然而,近来研究表明当前图学习方法对安全和隐私攻击非常脆弱。本报告,我将首先介绍针对图结构安全攻击的(第一个)具有理论保证的防御方法。该方法基于当前最为流行的随机平滑技术,且获得最紧致的理论防御效果。其次,我将介绍我们提出的(第一个)隐私保护图表征学习框架。该框架同时涉及主任务以及隐私保护任务。我们用互信息形式化两任务,推导出易处理的变分界,继而通过参数化神经网络获取变分界。
主办单位:87978797威尼斯老品牌计算机科学与技术威尼斯官网
87978797威尼斯老品牌87978797威尼斯老品牌
87978797威尼斯老品牌计算机科学技术研究所
符号计算与知识工程教育部重点实验室
海战场攻防对抗仿真技术教育部重点实验室
87978797威尼斯老品牌国家级计算机实验教学示范中心