2023年澳门太阳集团9728网站

信息技術研究生論壇（二）

場次一、

時間：2023年3月6日（星期一）9:00-12:00

地點：澳门太阳集团9728网站604教室

報告題目一：針對尾結點的圖神經網絡研究

報告人：李春靈

報告簡介：現實世界場景中圖形結構的流行使得節點分類和鍊接預測等重要任務成為可能。許多域中的圖在其節點度上遵循長尾分布，即相當一部分節點是具有度小的尾節點。盡管最近的圖神經網絡可以學習強大的節點表示，但它們統一處理所有節點，并不是針對大量尾節點而設計的。特别是，尾節點上的結構信息有限，導緻性能較差。為了實現魯棒的尾部節點嵌入，提出了一種新的圖神經網絡，稱為tail-GNN。它依賴于可轉移鄰域轉換的新概念，以建模目标節點與其鄰居之間的變量關系。一方面，tail-GNN從結構豐富的頭部節點學習鄰域平移，該鄰域平移可以進一步轉移到結構有限的尾部節點以增強其表示。另一方面，與鄰居的關系在圖的不同部分是可變的，并且全局鄰居轉換是不靈活的。因此，設計了一種節點自适應來定位每個節點的全局平移算法。

報告題目二：可解釋卷積神經網絡在惡性膠質瘤上的生存預測和通路分析

報告人：廖海波

報告簡介：卷積神經網絡在圖像處理和計算機視覺領域取得了巨大成功，其主要是該網絡能夠有效地捕獲網格結構數據的局部依賴關系。然而，缺乏可解釋性仍然是采用深度神經網絡的關鍵障礙，特别是在疾病結果的預測模型中。以此同時，生物陣列數據（基因表達、拷貝數變異、基因突變）通常以非網格結構格式表示，因此不能直接應用于卷積神經網絡。針對上述問題，一種具有可解釋的卷積神經網絡被提出來用于解決以上問題。該方法

采用多組學數據構建可解釋的 CNN 癌症分類模型。通過将多組學數據映射成僞圖像（通路圖像）作為 CNN 的輸入數據，并通過 Grad-CAM算法，分析疊加在通路圖像上的注意力圖以查明關鍵通路。

報告題目三：基于卷積神經網絡的scATAC建模的研究

報告人：周偉豪

報告簡介：ATAC-seq是一種利用tn5轉座酶結合高通量測序技術，研究染色體的可及性的方法。高通量測序技術得出的數據，用于研究細胞内的轉錄組結構和功能。它可以檢測DNA開放性，從而揭示基因轉錄的活性，并幫助研究人員了解基因調控和轉錄組結構的變化。

近年來，越來越多的研究者通過對測序數據的建模得到了非常實用的分析工具，同時由于atacseq數據本身擁有的兩大特性：高維性與稀疏性，這兩大特性是幹擾建模效果的重要因素，因此研究者往往從這兩特性入手，得出的方法往往可以分為以下幾類:基于DNA序列的模型和不依賴DNA序列的模型。

報告題目四：基于局部密度的最小生成樹的聚類

報告人：劉名揚

報告簡介：聚類算法是一項重要的進行數據挖掘的方法， 聚類的 目的是按照某個特定标準把一個數據集分割成不同的類，使得同一個類内的數據對象的相似性盡可能大，不在同一個類中的數據對象的差異性也盡可能地大。近年來，基于局部密度标準的聚類算法得到較多研究，使用最小生成樹優化的基于局部密度的聚類可以在較短時間内得到可靠的聚類效果，系統效率也得到了提高。

場次二、

時間：2023年3月7日（星期二）15:00-17:00

地點：澳门太阳集团9728网站604教室

報告題目一：支持處理多位消息的無CRS安全多方計算協議

報告人：陳宇月

報告簡介：安全多方計算協議可以使多個參與方在不洩露自身敏感信息的情況下獲得多方共同參與計算的結果，是解決隐私洩漏問題的有效手段。由于多密鑰全同态加密（MFHE）本身的計算效率較低，盡管其構造的安全多方計算（MPC）協議通信效率高且交互少，這類MPC的發展與應用仍受到阻礙。一個主要解決辦法是研究高效多比特多密鑰FHE，并以此構造一個可以一次處理多位消息的通用安全多方計算協議有效提高效率。作者提出了一個可以加密矩陣明文的多比特多密鑰全同态加密方案，使用的密文打包技術解決了矩陣形式的密文不适用于依賴多項式CRT打包技術的問題。該方案的密文擴展過程既不需要加密一個随機矩陣的每個項，也不需要額外生成評價密鑰，因此密文噪聲更小，效率更高。此外，作者使用這個MMFHE方案構造了一個三輪無CRS的安全多方計算協議，避免依賴一個可信設置。

報告題目二：基于LWE格上多身份同态加密方案研究

報告人：範輝鳳

報告簡介：主要介紹随着雲計算地不斷發展與成熟，雲計算在實現應用過程中面臨如何保證數據隐私性的安全問題。全同态加密能夠在未解密的前提下對密文進行有效運算，效果相當于對明文進行相應運算後再進行加密。基于身份的全同态加密(IBE) 利用戶的唯一身份标識（如郵箱地址、手機号碼等）和公共參數生成公鑰，這樣就不需要為每個用戶頒發公鑰，用戶私鑰可以由可信第三方中心利用身份标識和系統主私鑰生成，消除了與公鑰證書有關的額外開銷，可以更加有效地管理密鑰。多身份全同态加密能夠允許在不同身份下加密的密文進行同态運算，應用場景更加廣泛。

報告題目三：如何構造一個挑戰函數集合為任意函數的KDM-IBE方案

報告人：連毓晨

報告簡介：身份加密方案的出現解決了傳統公鑰加密方案中公鑰認證頻繁的問題，大大提高了效率，但身份加密中存在的對私鑰直接加密或對其相關信息進行加密情況使得方案變得不再安全，或者理論上難以證明其安全性。KDM安全加密方案确保如果敵手在獲得了 個用戶的公鑰 的情況下，仍不能有效地區分私鑰相關消息 的密文與常數消息（如全0）的密文，其中函數 由敵手在函數集合 中動态地選取，我們稱 為方案支持查詢的私鑰挑戰函數集合。IBE的KDM安全取決于方案支持的私鑰挑戰函數集合的大小，集合越大，安全性越好。因此如何在IBE中獲取更豐富的挑戰函數集合（如，多項式函數、任意函數），至今是一個開放問題。

報告主要講述如何應用函數的随機化編碼技術，去擴大挑戰函數集合。

報告題目四：擴展功能性自舉的TFHE與安全多方計算

報告人：王冠倫

報告簡介：雲計算的産生有效地解決了企業和個人計算能力不足的缺陷，但同時也引入了許多新的安全問題，其中隐私安全已成為外包計算領域亟待解決的重要問題，極大地限制了雲計算的普遍應用和深入發展。安全多方計算協議可以使多個參與方在不洩露自身敏感信息的情況下獲得多方共同參與計算的結果，解決了外包計算模式下數據外包存儲和計算與隐私安全的矛盾。但其效率問題受制于構造協議的多密鑰全同态加密方案，這導緻了MPC協議的實用性下降。自舉過程通常是FHE中最耗時的部分。環面上的全同态加密(TFHE)以大約10 ms的速度實現了評估自舉過程，其有着優越的性能。基于該方案所提出的多密鑰TFHE方案有着更好的實用性,更好得解決多密鑰方案的效率問題。針對現有的TFHE多密鑰方案的自舉過程功能性單一的問題，作者提出了一種具有更高級門運算的多密鑰TFHE方案，該方案使用擴展的門運算來改進方案的自舉過程，使其在自舉過程中能夠完成半加法器（HA）與全加法器（FA）運算。之後，作者使用提出的MKTFHE方案構造了一個更加高效實用的無CRS的安全多方計算協議。

報告題目五：基于區塊鍊的物聯網跨域認證方案研究

報告人：羅鳳婷

報告簡介：本報告主要介紹基于物聯網應用場景，引入區塊鍊和密碼學原理，通過區塊鍊實現認證過程中的數據存儲和設備實體可追蹤，保證身份的高度安全性。借助密碼學中的相關技術，實現物聯網設備間的身份認證和信息傳遞，以解決傳統物聯網身份認證方案中存在的單點故障問題以及多區域設備跨域通信流程複雜的問題，能夠完成高效安全的物聯網設備分布式身份認證和可信接入。

報告題目六：基于聯盟鍊的共識機制改進的研究
報告人：詹卓凡
報告簡介：本報告主要介紹基于共識機制在不同區塊鍊場景中的缺點與發展機遇。近幾年，效率與安全是最近幾年互聯網發展的關鍵與核心。基于聯盟鍊和私有鍊的效率的優化，并支持高安全性的共識算法就會顯得具有重要意義。目前可以通過PBFT算法與Raft算法兩大聯盟鍊和私有鍊的主要的共識算法實現相應功能。因此，結合PBFT算法與Raft算法兩種算法中的優點能夠更高效的完成區塊鍊的數據交互。結合PBFT與Raft兩大聯盟鍊和私有鍊的主要的共識算法還可以在可拓展性、效率性上等方面得到提升。

報告題目七：視覺物體檢測中基于時頻嵌入的後門攻擊
報告人：沈銘铠
報告簡介：本報告主要介紹視覺物體檢測任務下的後門安全。今年來，人工智能系統的安全性受到越來越多的關注，特别是在深度估計、自動駕駛等領域。這些應用都離不開一項基礎的模塊：物體檢測。為了構造一個安全的物體檢測系統，就必須研究可能的後門攻擊行為，這樣的行為可能會将惡意行為嵌入到系統當中。但是，現在的後門攻擊方法大多針對于自然圖像分類任務，通過修改像素點等方式将觸發器嵌入訓練圖像，這會破壞訓練圖像的空間結構和語義，因此，這樣的一系列方法無法作用于密集預測型的物體檢測任務。為了解決這個問題，提出了新的基于時頻嵌入的後門攻擊方法，通過小波變換将觸發器添加到原始信号和小波系數上，這樣的觸發器魯棒性更強，更不容易被移除。由于小波變換不會顯著改變圖像的語義信息，因此可以對密集預測型的物體檢測模型進行攻擊。

報告題目八：多值輸入評估的多密鑰同态加密方案研究
報告人：李靈武
報告簡介：同态加密為解決大數據帶來的隐私問題而産生，許多的現實場景中需要多個用戶将己方數據上傳到雲端，再通過雲服務器進行聯合計算，得到多方數據聯合計算的結果，多密鑰同态加密便是解決多方加密數據計算的方案。本報告主要介紹多密鑰同态加密中多值輸入評估的自舉算法，引入環面上的同态加密方案，采用新的查找表結構，在評估電路中組合查找表，引入盲旋轉算法，對密文評估時的自舉功能進行研究，改進噪聲傳播開銷，保證加密的安全性以及同态評估的正确性，在多輸出函數中提高同态求值的效率。

場次三、

時間：2023年3月9日（星期四） 14:30-17:30

地點：澳门太阳集团9728网站807b教室

報告題目一：基于知識蒸餾的木薯葉病害分類

報告人：曹勉

報告簡介：廣西多丘陵旱地，自然條件适宜木薯生産。木薯的加工産品豐富，産業鍊條長，經濟影響面廣。木薯的塊根及其加工産品都是重要的經濟産物，木薯澱粉在化工，醫藥、紡織、造紙等方面都有豐富的應用。農作物病害是制約農業生産的主要災害之一，嚴重影響農作物的産量和質量。近年來，随着我國植物保護能力的明顯提高，通過采取各種病害檢測和預防手段，我國每年可減少糧食損失8700~11000萬噸，約占全國糧食總産量的17%，減少上億元的經濟損失。由此可見，早發現、早治療農作物病害對農業生産具有十分重要的作用。由于訓練深度學習模型需要嚴重依賴需要大規模、高質量标注數據集，缺乏足夠标記數據支持的模型容易陷入過拟合。采取自動标注方式獲得的标簽樣本往往會包含相當比例的标簽噪聲。研究知識蒸餾結合噪聲數據，通過傳遞和共享“元知識”，提高模型的泛化性能。

報告題目二：基于交叉注意力的多模态情感分析

報告人：賴宇斌

報告簡介：多模态情感分析總結了三種最常見的多模态數據來源，即：描述同一事物的多媒體數據，如記錄同一事件的視頻、圖像和文字等信息多媒體數據；檢測同一對象的不同傳感器數據，如共同監測環境的濕度、溫度、氣壓等傳感器信号；以及表達同一概念或信息的不同數據結構、表意符号或表現形式，如同一詞語的不同種詞向量特征表示。其中，社交網絡中用戶發布的視頻數據可以理解為由文字、圖像兩種模态信息混合而成的多模态數據。因此，無論是在線下的真實環境中，還是在線上的虛拟網絡裡，多模态數據是不可忽視的重要信息承載形式。通過圖像既能夠表達個人的情感态度，也能夠對人的情感産生影響，傳統方法通常提取顔色、紋理、構圖和内容等低級的視覺特征，或基于此疊加構建中高層特征，然後通過機器學習算法和模型進行訓練分類。但這些視覺特征與人類高級情感認知之間具有語義鴻溝的問題，不能充分利用模态間的關系，缺乏模态信息交互，而且需要依賴很多啟發式規則和複雜的手工特征定義。因此本章采用深度學習的方法，提取圖像不同層級的視覺特征和語義特征，進行情感分類。

報告題目三：基于指針網絡的實體與關系聯合抽取方法

報告人：韋紫君

報告簡介：随着計算機科學的迅猛發展，依托人工智能、大數據和物聯網等創新科技技術，全球已步入一個全新的、以智能創新驅動的數字化時代。在該時代背景下，各個領域中産生的海量非結構化文本信息和知識數據開始發揮巨大作用，研究者利用自然語言處理技術對文本數據進行處理和分析，并從中抽取具有特定意義和價值的關鍵信息，為人們提供高質量的智能知識服務，如搜索引擎、智能問答、機器翻譯和個性化推薦等。面對龐大的文本數據，如何對數據進行分類、關鍵詞定位、深層語義關系挖掘是實現智能問答和知識圖譜構建等技術的關鍵，同時也是自然語言處理和各領域大數據智能研究的熱點研究方向。實體與關系聯合抽取模型的目标是抽取出自然語言句子中所有可能存在的實體關系三元組。

報告題目四：融合特征的意圖識别與語義槽填充預訓練聯合模型

報告人：羅正航

報告簡介：口語理解是機器對話的前提，其包含意圖識别和語義槽填充兩個基本任務。目前意圖識别與語義槽填充聯合建模成為口語理解(SLU)的主流方法。已有的聯合模型對多任務間上下文語義特征信息關聯性差且信息利用不充分。基于此，提出一種基于BERT與語義融合的聯合模型(JMBSF），使用預訓練BERT模型提取語義特征信息，通過語義融合将語義特征信息關聯融合，報告對上述模型進行介紹并展望未來工作。

報告題目五：優先高VoI數據傳輸的MAC協議研究

報告人：白玠

報告簡介：提出了UWMAC-PTVOI協議，該協議使在IoUT中的AUV與收集到高VoI數據的SNs優先占用信道傳輸數據包。在分析了AUV需盡早将采集的數據傳輸、高VoI數據衰減程度大、CH轉發能力有限與SNs競争信道問題後，我們使用随機流體模型預測CH待轉發隊列完成轉發高VoI數據的時間，使用馬爾科夫鍊算法預測競争信道中預轉發最高VoI數據包的節點，結合這兩種方法設計使高VoI數據包盡早發送以免價值衰減過大的完整MAC協議過程。仿真實驗表明，UWMAC-PTVOI協議可以做到高網絡吞吐量、低時延、低能耗的同時，最大程度地保障高VoI數據的價值保留。在未來的工作中，我們可以進一步研究多AUV與靜态節點合作完成數據任務的方法，為IoUT提供更實用的方案。

報告題目六：基于模态交互的多模态情感分析

報告人：蔡宇揚

簡介：随着互聯網和通信技術的快速發展，社交媒體平台成為大衆交流的重要途徑。通過對社交媒體中的數據進行分析，可以掌握網民對熱點事件和産品的觀點和看法，對社會安全和電子商務等領域有重要意義。多模态情感分析研究獨立提取模态特征，忽略了社交媒體中圖片和文本存在的某種關聯，這種關聯會對情感分類的結果造成影響。因此，對多模态情感分析中模态間的聯系進行建模，設計了一個基于門控注意力機制的交互模塊來提取模态中的關鍵特征以達到更好的分類效果。

報告題目七：基于yolo的平均晶粒度檢測

報告人：賈沛沅

報告簡介：在鋼鐵産品質檢中，金相技術仍是材料科學與工程領域最廣泛應用、易行有效的研究檢驗方法。在傳統的金相定級場景下，企業都會配備專業的質檢人員運用放大鏡和顯微鏡對金屬材料的宏觀及微觀組織金相觀察研究，進而對金屬内部結構及成分含量進行分析，從而對鋼鐵的性能進行分析。在鋼鐵質檢标準中，質檢員所判定的晶粒度級别，也隻能是根據多年經驗給予結論，缺少完備的數據管理系統，輕則影響材料強度、韌性等安全性能的判斷，重則引發安全事故。通過人工智能技術消除人工檢測标準不一帶來的問題，從而提高企業運行效率。