《Pattern Recognition Letters》特刊通知

共 1777字,需浏览 4分钟

 ·

2021-07-09 18:22

↑ 点击蓝字 关注极市平台

编辑丨极市平台

极市导读

 

本期特刊旨在推动深度学习模型的攻击与防御研究,包括快速对抗样本生成、不可感知数据投毒、精准数据重构、基于深度学习的鲁棒可溯源水印、对抗样本防御等。 >>加入极市CV技术交流群,走在计算机视觉的最前沿

主题:深度学习模型安全

简介:

深度学习已广泛应用于自然语言处理、计算机视觉、数据安全等诸多领域。为学习到有效的深度模型,需花费大量时间和精力来收集数据与分配计算资源。这些模型可能会被非法使用,从而牺牲模型所有者的权益。另一方面,深度学习模型也容易受到对抗样本或毒化数据的攻击。这严重降低了深度学习技术的准确性和可靠性。为此需进行深度学习模型安全研究,保障模型的真实性和可靠性,以抵御各种攻击。该研究还处于起步阶段,虽然已取得了一定进展,但要为基于深度学习的应用开发稳健可靠的模型还远远不够。

本期特刊旨在推动深度学习模型的攻击与防御研究,包括快速对抗样本生成、不可感知数据投毒、精准数据重构、基于深度学习的鲁棒可溯源水印、对抗样本防御等。

相关研究人员可通过原创研究来展示他们的工作。所有提交的论文将经过同行评审,并根据其质量和与本期主题的相关性进行选择。本期主题包括但不限于:

  • 低复杂度的对抗样本生成
  • 压缩多媒体数据的对抗样本生成
  • 新兴数据的对抗样本生成
  • 不可感知的高效数据投毒
  • 精准数据重构
  • 鲁棒神经网络水印
  • 神经网络指纹
  • 神经网络认证与篡改检测
  • 对抗训练的有效策略与模型
  • 精确对抗样本检测
  • 广义鲁棒表示学习的假脸检测

重要日期:

投稿截止:2022年6月20日

评审结果反馈:2023年1月31日

客座编辑:

冯国瑞,上海大学,中国,邮箱:grfeng@shu.edu.cn
李晟,复旦大学,中国,邮箱:lisheng@fudan.edu.cn
赵健,北方电子设备研究所,中国,邮箱:zhaojian90@u.nus.edu
王正,东京大学,日本,邮箱:wangz@g.ecc.u-tokyo.ac.jp

更多信息请见:https://www.journals.elsevier.com/pattern-recognition-letters/call-for- papers/recent-advances-in-deep-learning-model-security

欢迎各界学者踊跃投稿!

如果觉得有用,就请分享到朋友圈吧!

△点击卡片关注极市平台,获取最新CV干货

公众号后台回复“目标跟踪”获取目标跟踪综述~


极市干货
YOLO教程:一文读懂YOLO V5 与 YOLO V4大盘点|YOLO 系目标检测算法总览全面解析YOLO V4网络结构
实操教程:PyTorch vs LibTorch:网络推理速度谁更快?只用两行代码,我让Transformer推理加速了50倍PyTorch AutoGrad C++层实现
算法技巧(trick):深度学习训练tricks总结(有实验支撑)深度强化学习调参Tricks合集长尾识别中的Tricks汇总(AAAI2021
最新CV竞赛:2021 高通人工智能应用创新大赛CVPR 2021 | Short-video Face Parsing Challenge3D人体目标检测与行为分析竞赛开赛,奖池7万+,数据集达16671张!

CV技术社群邀请函 #

△长按添加极市小助手
添加极市小助手微信(ID : cvmart2)

备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)


即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群


每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~



觉得有用麻烦给个在看啦~  
浏览 17
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报