報告時間：2023年5月28日 星期日 上午10：00—11：30

報告地點：電航樓218

報告摘要：

圖學習最近被廣泛關注，且在圖相關任務（如圖分類、點分類、鏈接分析等）取得最佳效果。然而，近來研究表明當前圖學習方法對安全和隱私攻擊非常脆弱。本報告將首先介紹針對圖結構安全攻擊的（第一個）具有理論保證的防御方法。該方法基于當前最為流行的隨機平滑技術，且獲得最緊致的理論防御效果。其次，將介紹報告人提出的（第一個）隱私保護圖表征學習框架。該框架同時涉及主任務以及隱私保護任務。報告人團隊用互信息形式化兩任務，推導出易處理的變分界，繼而通過參數化神經網絡獲取變分界。

報告人簡介：

王炳輝，現任伊利諾伊理工大學計算機科學系助理教授，芝加哥數據研究中心IDEAL成員。他于2012年和2015年分別獲得大連理工大學本科和碩士學位，于2019年獲得愛荷華州立大學博士學位。2019-2021年杜克大學博士后。研究方向為：可信賴機器學習及基于數據驅動的安全隱私。博士后師從陳怡然(IEEE/ACM Fellow)，博士導師Neil Zhenqiang Gong（北美計算機華人學者協會學術新星獎）。王博士在頂級安全會議（如IEEE S&P, CCS, NDSS）和期刊（如IEEE TIFS, IEEE TNNLS），以及人工智能/計算機視覺/數據挖掘會議（如NeurIPS, ICLR, ECCV, CVPR, KDD, WWW, INFOCOM等）發表論文30余篇。他獲得2022年度百度學術AI+X全球Top50華人青年學者稱號, 2022年度美國自然科學金NSF CRII Award，2022年度思科（Cisco）研究獎, 2021年度亞馬遜(Amazon)研究獎等。同時，他的科研成果獲得多篇最佳論文（提名）獎，如2020 DeepMind Best Abstract Award, 2019 NDSS Distinguished Paper Award Honorable Mention, and 2017 INFOCOM best paper finalist。

信息科學技術學院

2023年5月25日