2022年第五届CCF“会士论坛——人工智能与安全前沿进展”由CCF主办，CCF合肥承办，是中国计算机学会年度重要品牌活动。论坛邀请全国学术界重量级的嘉宾、学者汇聚合肥，针对最新的前沿技术，开展学术交流报告会，共同探讨当前科学和技术面临的机遇和挑战，为科研人员提供一场学术盛宴。
活动议程
8月28日下午14:00报到
14:30-14:45开场介绍、领导及嘉宾致辞
14:45-15:10
专题报告：《数据要素安全：前沿与挑战》
任奎，浙江大学网安学院院长/ACMFellow/IEEEFellow
15:10-15:35
专题报告：《“病态的”计算机视觉算法》
操晓春，中山大学网安学院院长/IETFellow
15:35-16:00
专题报告：《视频目标识别与篡改检测》
姜育刚，复旦大学教授/IAPRFellow
16:00-16:25
专题报告：《多粒度认知启发的智能计算》
王国胤，重庆邮电大学副校长/CCF会士/CAAI会士
16:25-16:50
专题报告：《网络空间智能对抗的一些观点》
王震，西北工业大学网安学院书记/AAIAFellow
16:50-17:15
专题报告：《推荐系统的算法及应用》
陈恩红，中国科学技术大学大数据学院执行院长/CCF会士
17:15-17:40
专题报告：《受脑启发的神经网络计算模型及其泛化性分析》
龚怡宏/西安交通大学软件学院院长/IEEEFellow
17:40-18:00Panel讨论
主办单位：中国计算机学会
承办单位：CCF合肥
中国科学技术大学
合肥工业大学
合肥综合性国家科学中心人工智能研究院
执行主席：何向南CCF合肥执委
路强CCF合肥监督委员会主席
嘉宾简介：
报告题目：
数据要素安全：前沿与挑战
报告摘要：
近年来，数据作为数字经济的发展动力已经成为广泛共识并上升到生产要素的高度。云计算、移动计算，物联网，人工智能，自动驾驶以及智慧城市等等的发展与推广都与数据密不可分；与此同时，数据安全与隐私保护的挑战也是日益显著，各类安全事件层出不穷,本报告将对数据要素安全的技术前沿和挑战做一个初步的探讨。
个人简介：
“病态的”计算机视觉算法
大部分计算机视觉算法的输入为连续或者稠密的图像数据，输出为人类可以理解的类别、位置、深度等离散或者稀疏语义空间。由于定义域和值域集合的基数不一致，这些计算机视觉算法不满足well-posed问题的第三个条件，是经典的ill-posed问题。纯数据驱动的计算机视觉算法是否既能具有对烟雨雾霾等复杂扰动的鲁棒性？又能避免的dedicated对抗扰动是否存在裨益计算机视觉任务的正向扰动？我们团队正在探索的这些问题的答案，本报告将简述部分进展。
操晓春，中山大学网络空间安全学院教授、英国工程技术学会会士(IETFellow)、国家杰出青年青年科学基金获得者，主要从事计算机视觉基础研究和网络空间内容安全应用研究。担任IEEE汇刊TIP/TMM/电子学报的编委，NeurIPS/ICCV/CVPR/IJCAI/AAAI/ICPR的AreaChairs。获2019年中共中央办公厅技术进步一等奖（排名第1）。中国计算机学会优博、中国电子学会优博、中国科学院大学优博指导导师。
视频目标识别与篡改检测
视频已成为主流信息传播媒介，对海量互联网视频的分析与理解技术是人工智能领域的重要研究问题。本报告聚焦视频内容理解中的目标识别与篡改检测两个方向，介绍复旦大学视觉与学习团队在大规模视频数据集构建、快速视频识别、视频数据篡改鉴别等方面的工作进展。
姜育刚，复旦大学教授、博士生导师，教育部长江学者特聘教授。2022年1月起任校人事处处长，2020—2022年任计算机科学技术学院院长、软件学院院长。研究领域为多媒体信息处理、计算机视觉、鲁棒可信人工智能。国家科技创新2030“新一代人工智能”重大项目负责人。上海市智能视觉计算协同创新中心主任。发表的两百余篇论文被引用万余次，成果多次服务国家关键领域的重要任务。构建的开源数据和工具集如VIREO374、CCV、VCDB、THUMOS、FCVID被国内外学者及企业频繁使用。
多粒度认知启发的智能计算
王国胤，重庆邮电大学副校长，大数据智能计算示范型国合基地(科技部)负责人，计算智能重庆市重点实验室主任，旅游多源数据感知与决策技术文化和旅游部重点实验室主任。是长江学者特聘教授(2015-2019)，首批“万人计划”领军人才(2014)，“新世纪百千万人才工程”国家级人选(2009)，国家重点研发计划项目首席科学家(2016、2021)，入选首批“重庆英才·优秀科学家”(2019)。曾任国际粗糙集学会(IRSS)理事长(2014-2017)，现任中国人工智能学会(CAAI)副理事长(2014-至今)、中国计算机学会(CCF)理事(2008-至今)、重庆市人工智能学会(CQAAI)理事长(2018-至今)、重庆市信息安全协会(CISA)理事长(2022-至今)，是IRSS/CAAI/CCF会士。主要从事粗糙集、粒计算、知识发现、数据挖掘、认知计算、大数据智能等研究。获国家级高等教育教学成果二等奖、重庆市自然科学一等奖、重庆市科技进步一等奖、吴文俊人工智能科学技术奖科技进步一等奖等成果奖励10余项。带领的团队获评“国家级教学团队”(2010)和首批“重庆市创新研究群体”(2019)。
网络空间智能对抗的一些观点
推荐系统的算法及应用
推荐系统在工业界取得了巨大成功。和机器学习模型一样，推荐系统分成离线训练和线上服务的过程。本次报告首先介绍推荐离线训练时的基础组件，包括按塔分类的推荐模型、常见的推荐损失、新颖的高效精准推荐采样等。报告进一步介绍针对推荐系统线上服务的两个阶段（高效率召回和高精度排序）的优化设计，包括支持高效近似搜索的索引端到端构建方法、深度推荐模型的压缩方法。最后，报告将介绍团队基于这些基础研究来开发的RecStudio模块化开源推荐框架，以及推荐技术在智慧教育方面的应用案例。
陈恩红，中国科学技术大学大数据学院执行院长、认知智能全国重点实验室副主任。国家杰出青年基金获得者，国家“万人计划”科技创新领军人才，科技部重点研发计划项目首席科学家，科技部重点领域创新团队“大数据分析及应用”团队负责人，大数据分析与应用安徽省重点实验室主任，安徽省计算机学会理事长。长期从事大数据分析与挖掘、智能教育与个性化推荐等方向研究。承担了科技部重点研发计划项目、国家基金委重大仪器研制项目和区域联合基金重点项目等多项。担任IEEETransactionsonKnowledgeandDataEngineering等学术期刊编委。曾获教育部自然科学一等奖、吴文俊人工智能科技进步一等奖，KDD、ICDM最佳论文奖等。
报告题目:
受脑启发的神经网络计算模型及其泛化性分析
当前的主流深度学习神经网络（DNN）面临三大科学难题：1）主要依靠不断加大网络复杂度和训练样本数量来提高图像识别精度，缺乏可解释性；2）进行图像分类时发生“纹理偏执”的问题；3）增量学习新知识时发生“灾难性遗忘”旧知识的问题。迄今为止，学术界围绕上述三个问题提出的各种解决方法大都效果不佳，且缺乏理论依据。
本课题组通过与脑认知科学领域的专家学者进行深层次的合作，从人脑视觉感知与认知机理的研究成果中获取灵感，并致力于将人脑视觉通道的某些特性转化为计算模型，从而显著提升其图像识别精度。本次报告将概括介绍本课题组在解决上述DNN科学难题方面所取得的若干最新研究成果，并用数理分析方法对所提出的神经网络模型进行泛化性性能分析。脑认知领域的学者通过大量认知心理学实验不断发现人脑视觉通路的工作机理与特性、人工智能专家将脑认知领域的最新研究成果转化为计算模型，数学专家利用数理分析对受脑启发的新型计算模型进行泛化性分析，从而形成一个学术成果的闭环。