報告題目：可信賴圖學習（Trustworthy Graph Learning）
報告時間：2023年5月25日10:00
報告地點：伟德国际BETVlCTOR中心校區王湘浩樓A515
報告人：王炳輝
報告人簡介：
王炳輝，伊利諾伊理工計算機科學系助理教授，芝加哥數據研究中心成員。研究方向為：可信賴機器學習及基于數據驅動的安全隐私。博士後師從陳怡然(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），以及人工職能/計算機視覺/數據挖掘會議（如NeurIPS, ICLR, ECCV, CVPR, KDD, WWW, ICDM, INFOCOM等）發表論文30餘篇。他獲得2022年度百度學術AI+X華人青年學者稱号, 2022年度美國自然科學金NSF CRII Award, 2022年度思科研究獎, 2021年度亞馬遜研究獎等。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.
報告内容簡介：
圖學習最近被廣泛關注，且在圖相關任務（如圖分類，點分類， 鍊接分析等）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隐私攻擊非常脆弱。本報告，我将首先介紹針對圖結構安全攻擊的（第一個）具有理論保證的防禦方法。該方法基于當前最為流行的随機平滑技術，且獲得最緊緻的理論防禦效果。其次，我将介紹我們提出的（第一個）隐私保護圖表征學習框架。該框架同時涉及主任務以及隐私保護任務。我們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。
主辦單位：伟德国际BETVlCTOR
伟德国际BETVlCTOR軟件學院
伟德国际BETVlCTOR計算機科學技術研究所
符号計算與知識工程教育部重點實驗室
海戰場攻防對抗仿真技術教育部重點實驗室
伟德国际BETVlCTOR國家級計算機實驗教學示範中心
