ccf

为培养和提高专业教师科研创新意识，提升教学科研能力和水平。科研部携手软件工程系特邀请谢新强博士，结合自身的研究和经验，回顾软件架构和开发模式的发展历程，介绍东软在软件架构及开发模式方面的实践，展望未来5-10年的软件企业重点关注的研究和开发方向。 谢新强，博士、高级软件工程师、软件架构国家重点实验室（东软集团）研究员，ACM、IEEE、IEEE CS和CCF会员；主要研究方向：大数据分析技术、推荐系统、软件复用、可信计算等

本课程的主题是大数据分析与数据挖掘。主要内容包括： 许勇，教授，博士生导师，华南理工大学计算机学院副院长，“广东省大数据分析与处理工程技术研究中心”主任。教育部“新世纪优秀人才”，国际IEEE会员，ACM高级会员，CCF高级会员，CCF广州分部副主席，CCF学术工作委员会委员，CCF互联网、计算机视觉、人工智能与模式识别专委会委员，IEEE广州分会副主席，ACM广州分会副主席，广东计算机学会副秘书长，广东省“千百十”省级培养对象，华南理工大学“视听觉与服务计算”学术团队带头人

山东泰安人。分别于1998、2001、2005年获学士、硕士和博士学位，2005年起至今在华北电力大学计算机学院从事教学与科研工作。 承担、参与并完成了多项科研或工程项目的研发工作，包括国家重点研发计划、国家自然科学基金等纵向项目以及多项企事业单位委托的横向课题

蒋宗礼，教授，博士生导师，荣获国家级教学名师奖、CCF杰出教育奖，享受政府特殊津贴，中国工程教育专业认证资深专家，国家精品课程、国家精品资源共享课、国家级教学团队负责人主编国家规划教材4部、国家精品教材1部，主持研制《计算机类专业教学质量国家标准》等多部计算机类专业人才培养要求，主编《培养计算机类专业学生解决复杂工程问题的能力》等教育著作，获国家教学成果奖2项，省部级教学、科研奖励二十余项。曾获中国高校优秀青年学者、宝钢优秀教师、航天部优秀青年教师、北京市师德榜样等荣誉称号。 主要学术兼职有中国工程教育认证协会计算机类专业认证分委员会副主任，教育部高等学校计算机类专业教学指导委员会副主任，中国工程教育认证协会第一届结论审议委员会委员

作者简介:焦李成，欧洲科学院外籍院士，俄罗斯自然科学院外籍院士，IEEE Fellow。主要研究方向为智能感知与图像理解、深度学习与类脑计算、进化优化与遥感解译。现任西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解教育部重点实验室主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，中国人工智能学会第六届、第七届副理事长，IEEE/IET/CAAI/CAA/CIE/CCF Fellow，连续7年入选爱思唯尔高被引学者榜单

Abstract:近年来出现的人工智能技术对攻防对抗产生了重要影响。一方面它可辅助传统攻防手段，使其智能化与高效化；另一方面，其自身的安全问题，如对抗样本、神经网络后门、模型窃取、模型版权、数据遗忘等，时刻影响着自动驾驶、面部识别支付等多种安全应用以及用户的隐私安全。这次报告将就这两方面展开，包括自然语言理解与深度学习等人工智能技术在传统攻防中的应用，也将会讲述智能系统自身的安全问题

任胜兵，男，中共党员，博士，硕士生导师，CCF高级会员（10663S），湖南岳阳人，1969年9月生。2002年8月至2003年8月，加拿大Concordia大学计算机系，访问学者，师从Butler教授。主要研究兴趣：软件工程、可信软件、嵌入式系统、图像处理与模式识别

10月17-19日，2019中国计算机大会（CNCC2019）在苏州金鸡湖国际会议中心隆重举办，会议由中国计算机学会（CCF）主办、苏州工业园区管委会承办。[URL]首次到场科技+教育领域行业展会，展出旗下针对前沿IT方向的产教融合解决方案。 为庆祝中华人民共和国建立70周年，结合“不忘初心、牢记使命”主题教育活动，9月26日下午，[URL]党支部举办党员活动，组织学习《中国***党员教育管理工作条例》，并开展红色影片配音活动

主流机器学习模型的基本假设是训练和测试数据的独立同分布（IID），导致其缺乏对分布外数据的泛化能力（Out-Of-Distribution Generalization），使得当前模型在真实、开放场景下的预测性能无法保证，是当前机器学习研究的公认重要难题之一。本报告将重点介绍面向分布外泛化的稳定学习最新研究进展，并针对首届分布外泛化图像分类挑战赛NICO Challenge进行全面介绍和技术分析。 崔鹏，清华大学计算机系长聘副教授，博士生导师

在各种短视频平台中，人们经常截取多个流行音乐片段编辑成共享视频的背景音乐，这给音频版权保护带来了极大挑战。论文提出了一种基于扩频的音频水印方案，尝试从理论和实验两个维度提升音频水印抵抗大规模裁剪攻击的鲁棒性。具体而言，首先对载体音频进行离散小波变换、图变换和奇异值分解以提取变换系数，然后利用扩频技术将混沌加密水印嵌入到变换系数中