随着数字经济的快速发展，数据已经成为推动国家和社会发展的重要战略资源，数据异常检测不仅可以防范网络和数据系统安全，而且在社交媒体分析、生物信息学、金融市场监管以及交通网络和智能城市规划中都有着广泛的应用。近期，我院许力教授课题组在高维复杂数据的异常检测方向取得了系列性进展，课题组研究聚焦于高维与高阶数据的结构建模与高效学习，综合运用了张量低秩恢复、中心性度量、多模态融合以及元学习等方法，旨在面向真实网络和数据环境实现更具解释性和鲁棒性的异常检测。研究成果一：课题组在网络流量异常检测研究中提出了一种融合张量特征表示与特征向量边中心性的创新方法。该方法通过构建张量特征向量“边中心性”公式对链路重要性进行量化，并结合低秩张量恢复与表征学习，在模型中引入中心性特征与Laplacian项，以有效捕捉非线性邻域与结构信息。在提升随机异常检测精度的同时，该方法对定向攻击等由高中心性链路引发的异常表现出更高的灵敏度。实验结果显示该方法在精确率和召回率等指标上展现出明显的优势。相关成果论文《Enhanced network traffic anomaly detection: Integration o

近日，我院许力、林丽美、汪晓丁教授团队在智能通信与联邦学习安全领域取得重要进展，成功在人工智能领域国际顶级会议 IJCAI 2025（CCF A 类会议，IJCAI 作为人工智能领域最具影响力的国际会议之一，本届会议共收到全球 5404 篇投稿，录用率仅为 19.3%，竞争激烈）上发表三篇论文。随着语义通信和联邦学习技术的快速发展，数据隐私保护变得尤为重要。针对原始感知数据在共享与处理过程中可能存在的隐私泄露风险，该团队分别面向语义通信、个性化联邦学习与投毒攻击防御等方向，提出了创新的隐私保护框架。这些框架不仅有效提升了数据安全性与隐私性，同时极大降低了系统的计算复杂度，为智能交通、医疗和金融等隐私敏感场景提供了安全可靠的解决方案。研究成果一针对语义通信中模型反演与对抗攻击风险，构建动态行列混淆加密与原型对抗对齐机制，在语义特征提取阶段引入多级扰动，通过表示学习增强的对比损失函数约束，实现端到端隐私保护。实验显示，该架构在 CIFAR-10 分类任务中对抗攻击防御性能提升3%-5%，攻击者重构有效图像数量减少90%，为 6G 智能通信、工业数字孪生等场景提供了安全高效的语义传输新标准。

报告题目：开放环境下多模态学习与应用时 间：2025年9月14日（星期天）下午15：30地 点：计网大楼507会议室主办：福建师范大学计算机与网络空间安全学院数字福建大数据安全技术研究所 福建省公共服务大数据挖掘与应用工程技术研究中心参加对象：计算机与网络空间安全学院相关专业教师和学生报告摘要：本报告将介绍我们近年来在开放环境下多模态学习研究与应用方面的相关工作进展，主要针对开放环境凸显的多变特性引发的模态难交互、决策难适配等挑战，为此提出了相关可靠多模态表征方法，以及稳健预测方法，提升了应对变化情况的能力，并在相关实践中应用。报告人简介：杨杨，南理工计算机科学与工程学院教授、博导、青拔。主要研究方向是开放环境数据挖掘。目前主持科技部重点研发青年科学家项目等，以第一作者\通讯作者身份发表IEEE TPAMI、TKDE、TIP、ICML、NeurIPS、KDD等CCF A类期刊和会议论文30余篇，获国际会议ACML17最佳论文奖，江苏省杰出青年基金项目、科协青年人才托举工程支持。基于研究成果，在CVPR、ICCV等国内外相关竞赛上获20余项冠军。

报告题目：高维不完备张量表示学习模型的初步研究时间：2025年7月1日（星期二）上午10：00地点：线上#腾讯会议：335-614-911主办：计算机与网络空间安全学院参加对象：计算机与网络空间安全学院相关专业教师和学生报告摘要：高维不完备张量是描述物理社会中大量节点间复杂交互的常用数据结构，如本研究中聚焦的大规模城域网节点通信。对其进行精确、高效的表示学习，是开展后续知识发现和模式识别的重要前提。在本项研究中，我们运用张量CP分解原理，对三阶高维不完备张量表示学习模型进行了初步研究，提出了BNLFT-ANLT-NeuLFT系列模型，初步实现了对三阶高维不完备张量的高效准确表示学习。相关文章发表在IEEE T-PAMI、IEEE T-KDE、IEEE T-CYB期刊上。报告人简介：罗辛，工学博士、“香江学者”博士后，西南大学二级教授、博士生导师，计算机与信息科学学院 软件学院院长，IEEE/AAIA Fellow，国家高层次领军人才、国家高层次青年人才、国家网信优秀人才、中国科学院百人计划入选人。研究聚焦数据科学领域，在IEEE T-PAMI、T-KDE、T-NNLS等国际期刊和WWW

报告题目：粒球计算:高效、鲁棒、可解释的新型人工智能理论时间：2025年7月2日（星期三）下午15：00地点：计算机与网络空间安全学院507报告厅主办：计算机与网络空间安全学院参加对象：计算机与网络空间安全学院相关专业教师和学生报告摘要：现有人工智能方法主要基于最细的像素点/单一粒度，缺乏人脑“大范围首先”认知的天然的高效性、鲁棒性和可解释的认知计算特性。为此，基于多粒度认知计算理论，提出和发展了粒球计算。该理论基于从粗到细的生成方式来模拟“大范围首先的”人脑认知机制，使用不同粒度的粒球来覆盖数据样本，实现对数据自适应和高效的多粒度表示；并构建基于粒球的新型计算模式，实现相比传统人工智能方法更加高效、鲁棒和可解释的计算模式。目前粒球计算不仅得到了国内很多知名学者的广泛关注，还得到了密西根、印度理工学院、阿尔伯塔大学等国际顶级高校知名学者的跟踪研究，本报告介绍了粒球计算理论的相关研究成果和最新进展，主要包括: 粒球分类器、粒球聚类、粒球图网路、粒球强化学习、粒球大模型、粒球演化计算、粒球开放持续学习、粒球联邦学习、粒球粗糙集、粒球模糊集、粒球三支决策、粒球超像素和粒球NLP等等。报告人简

报告题目：复杂信息环境下的智能决策系统时 间：2025年6月23日（星期一）下午15：00地 点：计算机与网络空间安全学院507报告厅主 办：计算机与网络空间安全学院参加对象：全校相关专业师生报告摘要：随着新一代信息技术的快速发展，智能技术已广泛应用于智慧医疗、智能制造、智能驾驶和智慧金融等领域中，提高了社会效率，方便了人们生活。在复杂信息环境下，本报告主要介绍基于大数据驱动的深度学习智能决策和基于复杂认知信息的智能决策研究进展。介绍深度学习在决策领域中的方法和应用研究现状；阐述基于复杂认知信息的决策理论研究现状；说明深度学习与模糊系统的融合框架及其智能决策过程；梳理几种模糊技术与深度学习的融合现状、原因及应用领域；总结分类系统、信息融合系统和决策支持系统等具有代表性的深度学习智能决策应用；介绍深度学习和复杂认知信息在智能决策应用中可能面临的挑战，包括融合技术、数据分析和模型构建等。报告人简介：徐泽水：四川大学讲席教授、欧洲科学院院士、欧洲科学与艺术院院士、国际系统与控制科学院院士；国际工程技术协会(IETI)杰出会士；国际电气与电子工程师协会(IEEE)、国际模糊系统协会(IFSA)

报告题目：自动驾驶感知物理对抗攻击及防御方法时间：2025年6月13日（星期五）15:00-16:00地点：福建师范大学科研楼18#1004主办：计算机与网络空间安全学院参加对象：相关专业教师和学生报告摘要：物理世界中的对抗攻击对自动驾驶系统的视觉安全构成严重威胁，然而现有物理攻击多依赖静态触发器，缺乏灵活性和隐蔽性，且对深度估计等关键任务的研究相对滞后。本报告聚焦于如何更高效地发起物理世界中的对抗攻击，以及如何设计实际可用的防御机制。具体提出三项核心进展：一种可随场景变化动态激活的对抗样本，提升攻击的灵活性；一种无需优化的攻击方法，实现对双目深度估计的高效攻击；以及一种基于图像修复的防御机制，可在不依赖模型结构的前提下有效缓解攻击影响。我们将系统探讨这些技术如何揭示系统脆弱性，并推动更加稳健的视觉感知体系构建。报告人简介：韩星烁，南京航空航天大学计算机科学与技术学院教授，国家级青年人才。博士毕业于新加坡南洋理工大学，主要研究方向是自动驾驶安全和人工智能安全。在IEEE SP、ACM CCS、USENIX Security、ISSTA、NeurIPS等CCF-A类会议/期刊发表学术论文

报告题目：多模态大模型的安全对齐：挑战与解决方案时间：2025年6月13日（星期五）14:00-15:00地点：科研楼18#1004主办：计算机与网络空间安全学院参加对象：相关专业教师和学生报告摘要：随着大语言模型（LLMs）能力的拓展，多模态大模型（尤其是视觉语言模型，LVLMs）在图像理解、辅助问答等任务中展现出显著性能。然而，近年来的研究揭示，这类模型在引入视觉模态后，其原本在文本域建立的安全机制无法自然迁移，导致面对图像相关输入时表现出严重的安全性缺陷，甚至会在“看似安全”的输入组合下输出不当或有害内容，给实际部署带来巨大风险。报告围绕多模态模型的跨模态安全对齐问题展开，结合最新研究工作，总结了当前LVLM安全对齐面临的关键问题，并介绍当前几种代表性解决方案的可行性与局限性。报告人简介：刘航呈，目前在新加坡南洋理工大学担任博士后研究员，主要研究方向为人工智能安全。研究成果已发表在多个人工智能与信息安全领域的顶级国际会议和期刊上，包括 NeurIPS、ACM CCS、ACM MM、WWW、IEEE TIFS、TCSVT 等。

报告题目：Continuous Modeling Perspectivefor ImagingScience时间：2025年6月3日（星期二）下午15：00地点：线上#腾讯会议：112-779-265主办：计算机与网络空间安全学院参加对象：计算机与网络空间安全学院相关专业教师和学生报告摘要：To tackleinverse problems in imagingscience, the regularizer, serving as an indispensablecornerstonein modeling, are usually introduced. In this talk, we will begin by reviewing the classical regularizers, including localregularizers, nonlocalregularizers, and globalregularizers. Wethenwill discuss the limitations of classical hand-crafted regularizers

题目：细粒度跨层感知一体化云数据中心时间：2025年6月3日（星期二）上午10：00地点：线上#腾讯会议：826-654-545主办：计算机与网络空间安全学院参加对象：计算机与网络空间安全学院相关专业教师和学生报告摘要：数据中心资源利用率低，PUE居高不下是当前数据中心面临的最重要的挑战之一。一直以来数据中心基础设施的建设与数据中心内运行的软件和业务应用彼此割裂，缺乏有效的沟通，导致动态的业务数据访问模式和静态的数据中心气流组织成为一对矛盾。报告将在云数据中心研究现状及发展趋势的基础上，介绍我们的研究工作。包括：高效能一体化云数据中心的基本思想，数据中心的基础设施、硬件和软件协同方法及基于动态气流组织的业务调度策略等。报告人简介：邓玉辉，1973年生，暨南大学信息科学与技术学院教授，博士生导师。一直从事数据存储、云计算及数据管理等方面的研究。2022年获华为难题挑战火花奖，2020年获广东省教学成果二等奖，2019 年获 国际IEEE 大数据技术委员会Best Paper Award，2017 年获国际期刊JISE 年度Best Paper Award，研究成果进入EMC 2008 全