adversarial

108学年度(含)前入学(含110级) 【喜讯】李政德教授指导数据所111级邱俊维，荣获“2022台湾作业研究学会-硕士论文佳作奖”。 李政德教授指导数据所111级邱俊维之硕士论文，从65篇论文中脱颖而出，荣获“2022台湾作业研究学会-硕士论文佳作奖”。 邱学长研究主题：学习抵御对抗攻击与类别稀疏之稳健图神经网络（Learning Robust Graph Neural Networks against Adversarial Attacks and Label Scarcity）

清华大学软件系统安全保障小组研究成果“Coverage Guided Differential Adversarial Testing of Deep Learning Systems”被期刊 IEEE Transactions on Network Science and Engineering接收。该论文提出了一个深度学习系统的覆盖率导向的对抗测试方法DLFuzz。该工作将模糊测试技术结合到深度学习系统的对抗测试中，通过维护种子队列以及多种神经元选择策略，在提高神经元覆盖率的同时，生成大量对抗测试输入

人工智能的技术演进，逐渐朝向“高模仿力”发展，有心人士可以借由大量资料来创造以假乱真的影视音内容，AI的深度造假（deep fakes）能力，将成为资讯安全的劲敌。资策会MIC资深产业分析师韩扬铭认为，新形态的人工智能犯罪，恐将对国家或企业带来新的资安隐忧，甚至因为难以辨识或疏忽而造成损害或提高营运风险成本。展望2020年，企业应该积极思考如何提升假讯息的防范能力，如何辨识与解读正确讯息，将成为提升竞争力的关键因素

由麻省理工学院与IBM华生联合实验室共同发表的AI Portraits Ars，以近年流行的生成对抗网络(Generative Adversarial Network)学习方式，根据系统的自我鉴别及模仿过程，可自动分辨人物面部及背景部分，并将上传至平台上的人物照片转变成旧时画作的绘制手法。产品推出后便造成话题，使用者都想见识AI Portraits Ars是如何透过演算完成风格转换。 从生成的图像来看，AI Portraits Ars不单只是将照片生硬地转换成名画，它会依据照片中人物及背景等各项资料挑选出不同的笔触风格，从写实派到印象派等多种作风，给出最符合照片的艺术诠释

近日，人工智能新药研发公司Insilico Medicine宣布运用其专利的AI药物研发平台，设计了新冠病毒的3CL蛋白酶靶向小分子的结构。借助生成化学方法，该公司能以分子的特定性质作为生成条件，设计出众多具有各种特性的分子。接下来，该公司将运用自有资源，及国际大型公开研究平台的各团队，合成并测试其中100个分子，推进相关药物研发