陈健生

北京科技大学  教授

报告题目：视觉智能模型的脆弱性挖掘与鲁棒性加固

报告摘要：视觉智能模型在各类场景的广泛应用，使其安全可信性成为亟待解决的核心问题，而模型脆弱性与鲁棒性不足仍是制约其规模化落地的关键瓶颈。本报告围绕上述挑战，系统呈现报告人近三年在视觉智能模型安全领域的系统性研究成果。首先，针对不同视觉任务与模型架构，深入挖掘其内在脆弱性，提出一系列创新性攻击范式，揭示模型安全隐患的核心机理。进而，针对各类安全威胁，构建全方位的鲁棒性加固技术体系，提出多种高效防护方案，有效提升模型抗攻击能力与可靠性。相关研究成果发表于领域顶会顶刊，为视觉智能系统的安全演进提供重要理论支撑与技术借鉴。

个人简介：陈健生，北京科技大学计算机与通信工程学院教授，计算机科学与技术系系主任，博士生导师。主要研究方向为可信人工智能与人机协同，包括鲁棒的图像识别检测与生成、多模态大模型对抗鲁棒性、可控三维场景与人体姿态重建、图像与视频的可信理解等。作为负责人主持国家自然科学基金，科技部重大项目课题，重点研发计划创新特区，北京高校英才计划在内的科研项目十余项。在包括TPAMI、IJCV、Nature Communications、CVPR、ICCV、NeurIPS在内国际期刊和会议上发表学术论文百余篇。曾获北京市科学技术一等奖，北京市自然科学一等奖、CSIG自然科学二等奖。

胡晰远

北京工业大学  教授

报告题目：面向生成伪造人像的多特征融合可解释性检验技术

报告摘要：随着生成模型与深度伪造技术的快速发展，人像伪造门槛显著降低，伪造质量日趋逼真。然而，完全由数据驱动的端到端深度检测模型存在黑盒特性，可解释性差、可理解度低，可信程度难以评估，难以满足法庭科学对影像物证检验鉴定的要求。为此，本报告提出从物理、生理和数字特征三个维度，挖掘并提炼人像视频图像中难以被伪造模型模拟和改变的本质特征，构建具有物理生理意义的可解释性鉴伪特征集；在此基础上，设计跨模态多特征融合的可解释性检验模型，建立深伪视频人像多特征可信融合检验体系，以提升检测模型的稳健性与准确率。最后，对伪造人像图像/视频检测的未来发展趋势进行展望。

个人简介：胡晰远，北京工业大学计算机学院教授，博士生导师。在人工智能与计算机视觉、信号自适应分解理论及应用等领域开展研究工作，出版专著两部，在Nature Communications, IJCV，IEEE T-SP等主流期刊和会议中发表论文100余篇，主持多项国自然和重点研发计划课题，牵头制订国家和公安行业标准各1项，担任中国感光学会理事，国际期刊《Pattern Recognition》副主编，中文期刊《计算机工程》执行编委。曾获公安部科技进步一等奖，中国发明协会创新成果奖二等奖，中国计算机学会科技进步优秀奖和中国感光学会青年科技奖。

论坛联系人