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