直播预告 | 克莱姆森大学、马里兰大学专家学者来了，直播间等你

2022 年 5 月 16 日 THU数据派

  
  
    
   
   
     
    
    
      
     
     
       
      
      
        
       
       
          
          来源：AI Time论道 
         
      
      
        
     
     
       
    
    
      
   
   
     
  
  
    
  
  
    
   
   
     
    
    
      
     
     
       
      
      
        
       
       
          
            本文为约1165字，建议阅读3分钟 
           
           本文介 
           绍 
           了5月17日、18日晚20:30，克莱姆森大学电气和计算机工程系助理教授劳颖捷、马里兰大学助理教授谢轶群带来的分享，欢迎扫码报名。

5月17日、18日晚20:30，本周我们邀请到克莱姆森大学电气和计算机工程系助理教授劳颖捷、马里兰大学助理教授谢轶群给大家带来精彩的分享！

5月17日 20:30-21:30

劳颖捷：

现任克莱姆森大学电气和计算机工程系助理教授。从浙江大学和明尼苏达大学获得学士和博士学位。研究方向包括机器学习安全和隐私，网络安全，对人工智能和密码学的硬件加速，硬件安全，硬件架构与设计。获得美国国家科学基金会杰出青年职业奖（NSF CAREER）和多个最佳论文奖。

分享内容：

深度学习模型的水印和验证

报告简介：

随着深度神经网络 (DNN) 的发展，模型构建的复杂性也急剧增加。因此保护模型的知识产权 (IP) 并确保已部署模型的可信度和完整性变得至关重要。不同于现有工作的鲁棒水印，本文提出了一种新的 DNN 身份验证框架 DeepAuth。该框架能够将脆弱的签名嵌入到每个受保护的 DNN 模型中。嵌入后，每个模型将对验证用的关键样本做出独特的反应，因此可以作为身份验证的工具。签名嵌入过程旨在确保签名的脆弱性，能够检测对于模型的恶意修改。

5月18日 20:30-21:30

谢轶群：

马里兰大学助理教授（地球空间信息科学），博士毕业于明尼苏达大学计算机系。主要研究方向为针对空间数据的人工智能方法，解决空间数据对传统机器学习和数据挖掘方法带来的主要挑战。相关研究结果获得包括IEEE ICDM 2021在内的最佳论文奖等。

分享内容：

如何在训练中自动识别数据中

潜在的不同分布并自适应？

报告简介：

空间数据在众多重要应用中发挥核心作用，如城市管理、交通、能源、农业、卫生等，也是解决很多全球关键挑战的基础，包括气候变化、粮食能源短缺、疫情等。随着近年采集技术的快速发展，对空间数据的获取和使用已不再是传统少数用户的特权，人工智能和海量空间数据的结合带来新的机遇。但是，空间数据也对传统机器学习和数据挖掘等方法带来独特挑战。例如，空间数据的自相关性和异质性不遵循绝大多数传统模型基于的独立同分布假设（i.i.d. assumption），并且用户通常无法获知或准确假设哪些位置具有相同或不同分布，很难使用迁移学习、元学习等方法，直接造成在实际应用中结果下降及不同位置间的冲突与公平性问题。我们将介绍针对这些挑战的最新机器学习框架，包括对数据异质性模式的自动学习与跨区域迁移等。新框架不局限于空间数据。

直播结束后大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“AAAI”，将拉您进“AAAI会议交流群”！