会议议程：

报告题目：对抗环境下的深度合成和鉴别

报告摘要

深度合成是指使用深度学习等智能化技术对多媒体数据进行修改、编辑和替换，进而创造出从内容或表观上完全不同的媒体内容。深度合成及其鉴别是机器学习和计算机视觉等领域的重要研究内容之一，被广泛应用于人工智能，在国家公共安全领域具有重要研究意义。本报告结合深度合成的实际应用需求，介绍“合成”与“鉴别”相辅相成、“攻击”与“防御”相互促进的对抗博弈机制；在深度合成方面，从信息理论角度探寻深度合成的信息交换本质，介绍不对称互信息、表象最优传输和信息瓶颈解表达等生成模型，以及语音驱动说话人、人脸表情驱动和人物换脸等深度合成方法；在深度鉴别方面，介绍轻量级神经网络架构，该架构广泛应用于语音和人脸鉴伪。

讲者信息

赫然，中国科学院自动化研究所模式识别国家重点实验室研究员，中国科学院特聘研究员，中国科学院大学岗位教授，IAPR Fellow。从事模式识别应用基础理论研究，并应用到计算机视觉、生物特征识别、深度合成和人工智能安全，获得XXX生成竞赛冠军，在华为、美团、京东等取得应用；近期主要聚焦在非监督机器学习以及深度合成中遇到的瓶颈问题。出版信息理论学习专著1部；在IEEE TPAMI(影响因子: 17.86)第一作者发表论文5篇，研究工作获IAPR ICPR Best Scientific Paper Award(2020)、IEEE SPS Young Author Best Paper Award(2020)、IAPR/IEEE ICB Honorable Mention Paper Award(2019)和北京青年优秀科技论文一等奖(2015)，受到国家自然科学基金优秀青年科学基金、北京自然科学基金杰出青年科学基金和中科院青年促进会优秀会员等项目资助。

报告题目：深度学习对抗攻防与安全评测

报告摘要

本报告将围绕深度学习所面临的对抗样本等安全挑战，介绍深度学习安全问题、对抗攻击与防御（尤其是物理世界对抗攻防）国内外主要进展和具体研究案例，报告还将介绍团队近年来针对深度学习提出的测试、理解和优化的深度学习安全技术体系及相关的研究工作，最后将介绍最近发布的深度学习安全评测开源项目——“重明”。

讲者信息

刘祥龙，男，教授，博士生导师，国家优秀青年科学基金获得者。现任职于北京航空航天大学计算机学院软件开发环境国家重点实验室，主要研究大数据检索、大规模视觉分析、可信赖深度学习。近年来，主持国家自然科学基金、国防科技创新重点项目、科技创新2030重大项目等多项国家课题；发表IEEE CVPR、ICCV等国际顶级会议及期刊论文60余篇。担任Pattern Recognition、IET Image Processing等SCI期刊编委，ACM MM领域主席，国家新一代人工智能产业创新联盟启智开源开放平台技术委员会委员。曾获陕西省自然科学一等奖、北京市科技新星、微软铸星计划、中国计算机学会青年人才发展计划、中国计算机学会优秀博士学位论文等。

报告题目：跨模态迁移哈希表示学习

报告摘要

哈希技术学习紧凑的二值码来高效地存储和检索海量数据。无监督深度哈希由强大的深度神经网络支持，并且具有标签独立性的优点。它是一种很有前途的可伸缩图像检索技术。然而，深度模型引入了大量的参数，由于缺乏明确的语义标签，很难对其进行优化，并带来了相当大的训练成本。因此，现有的无监督深度哈希算法的检索精度和训练效率需要进行大量优化提升。本报告将介绍三种跨模态迁移哈希方法，这些方法都旨在捕获辅助互补语义，以减少深度哈希模型对语义标签的依赖，提高大规模图像检索的性能。

讲者信息

朱磊，山东师范大学教授，博士生导师，“多媒体智能计算”山东省高等学校青年创新团队负责人。主要研究方向是大规模多媒体检索。共发表或录用论文中国计算机学会（下简称CCF）推荐A类会议长文、ACM/IEEE的汇刊论文76篇（第一作者或通讯作者26篇）。Google Scholar引用超过2800次，H-index为28，ESI高被引论文4篇。获得CCF A类会议ACM SIGIR 2019的唯一最佳论文提名奖，CCF A类会议ACM MM 2019的最佳论文提名（5篇最佳候选论文之一），ADMA 2020的最佳论文奖，1篇论文入选2019年中国百篇最具影响国际学术论文。拥有第一发明人授权专利6项。担任包括中科院SCI一区期刊IPM在内4个SCI期刊的编委，任多媒体领域权威国际会议ACM MM领域主席。主持基金委青年项目、山东省优秀青年基金项目，参与基金委重点项目、山东省自然科学基金重大基础研究项目等多项课题。获得ACM中国SIGMM新星奖，山东省人民政府颁发的山东省留学回国人员创业奖（两年评选一次，全省高校系统仅6人获奖）、山东省人工智能优秀青年奖。