2023年beat365

信息技术研究生论坛（二）

场次一、

时间：2023年3月6日（星期一）9:00-12:00

地点：beat365604教室

报告题目一：针对尾结点的图神经网络研究

报告人：李春灵

报告简介：现实世界场景中图形结构的流行使得节点分类和链接预测等重要任务成为可能。许多域中的图在其节点度上遵循长尾分布，即相当一部分节点是具有度小的尾节点。尽管最近的图神经网络可以学习强大的节点表示，但它们统一处理所有节点，并不是针对大量尾节点而设计的。特别是，尾节点上的结构信息有限，导致性能较差。为了实现鲁棒的尾部节点嵌入，提出了一种新的图神经网络，称为tail-GNN。它依赖于可转移邻域转换的新概念，以建模目标节点与其邻居之间的变量关系。一方面，tail-GNN从结构丰富的头部节点学习邻域平移，该邻域平移可以进一步转移到结构有限的尾部节点以增强其表示。另一方面，与邻居的关系在图的不同部分是可变的，并且全局邻居转换是不灵活的。因此，设计了一种节点自适应来定位每个节点的全局平移算法。

报告题目二：可解释卷积神经网络在恶性胶质瘤上的生存预测和通路分析

报告人：廖海波

报告简介：卷积神经网络在图像处理和计算机视觉领域取得了巨大成功，其主要是该网络能够有效地捕获网格结构数据的局部依赖关系。然而，缺乏可解释性仍然是采用深度神经网络的关键障碍，特别是在疾病结果的预测模型中。以此同时，生物阵列数据（基因表达、拷贝数变异、基因突变）通常以非网格结构格式表示，因此不能直接应用于卷积神经网络。针对上述问题，一种具有可解释的卷积神经网络被提出来用于解决以上问题。该方法

采用多组学数据构建可解释的 CNN 癌症分类模型。通过将多组学数据映射成伪图像（通路图像）作为 CNN 的输入数据，并通过 Grad-CAM算法，分析叠加在通路图像上的注意力图以查明关键通路。

报告题目三：基于卷积神经网络的scATAC建模的研究

报告人：周伟豪

报告简介：ATAC-seq是一种利用tn5转座酶结合高通量测序技术，研究染色体的可及性的方法。高通量测序技术得出的数据，用于研究细胞内的转录组结构和功能。它可以检测DNA开放性，从而揭示基因转录的活性，并帮助研究人员了解基因调控和转录组结构的变化。

近年来，越来越多的研究者通过对测序数据的建模得到了非常实用的分析工具，同时由于atacseq数据本身拥有的两大特性：高维性与稀疏性，这两大特性是干扰建模效果的重要因素，因此研究者往往从这两特性入手，得出的方法往往可以分为以下几类:基于DNA序列的模型和不依赖DNA序列的模型。

报告题目四：基于局部密度的最小生成树的聚类

报告人：刘名扬

报告简介：聚类算法是一项重要的进行数据挖掘的方法， 聚类的 目的是按照某个特定标准把一个数据集分割成不同的类，使得同一个类内的数据对象的相似性尽可能大，不在同一个类中的数据对象的差异性也尽可能地大。近年来，基于局部密度标准的聚类算法得到较多研究，使用最小生成树优化的基于局部密度的聚类可以在较短时间内得到可靠的聚类效果，系统效率也得到了提高。

场次二、

时间：2023年3月7日（星期二）15:00-17:00

地点：beat365604教室

报告题目一：支持处理多位消息的无CRS安全多方计算协议

报告人：陈宇月

报告简介：安全多方计算协议可以使多个参与方在不泄露自身敏感信息的情况下获得多方共同参与计算的结果，是解决隐私泄漏问题的有效手段。由于多密钥全同态加密（MFHE）本身的计算效率较低，尽管其构造的安全多方计算（MPC）协议通信效率高且交互少，这类MPC的发展与应用仍受到阻碍。一个主要解决办法是研究高效多比特多密钥FHE，并以此构造一个可以一次处理多位消息的通用安全多方计算协议有效提高效率。作者提出了一个可以加密矩阵明文的多比特多密钥全同态加密方案，使用的密文打包技术解决了矩阵形式的密文不适用于依赖多项式CRT打包技术的问题。该方案的密文扩展过程既不需要加密一个随机矩阵的每个项，也不需要额外生成评价密钥，因此密文噪声更小，效率更高。此外，作者使用这个MMFHE方案构造了一个三轮无CRS的安全多方计算协议，避免依赖一个可信设置。

报告题目二：基于LWE格上多身份同态加密方案研究

报告人：范辉凤

报告简介：主要介绍随着云计算地不断发展与成熟，云计算在实现应用过程中面临如何保证数据隐私性的安全问题。全同态加密能够在未解密的前提下对密文进行有效运算，效果相当于对明文进行相应运算后再进行加密。基于身份的全同态加密(IBE) 利用户的唯一身份标识（如邮箱地址、手机号码等）和公共参数生成公钥，这样就不需要为每个用户颁发公钥，用户私钥可以由可信第三方中心利用身份标识和系统主私钥生成，消除了与公钥证书有关的额外开销，可以更加有效地管理密钥。多身份全同态加密能够允许在不同身份下加密的密文进行同态运算，应用场景更加广泛。

报告题目三：如何构造一个挑战函数集合为任意函数的KDM-IBE方案

报告人：连毓晨

报告简介：身份加密方案的出现解决了传统公钥加密方案中公钥认证频繁的问题，大大提高了效率，但身份加密中存在的对私钥直接加密或对其相关信息进行加密情况使得方案变得不再安全，或者理论上难以证明其安全性。KDM安全加密方案确保如果敌手在获得了 个用户的公钥 的情况下，仍不能有效地区分私钥相关消息 的密文与常数消息（如全0）的密文，其中函数 由敌手在函数集合 中动态地选取，我们称 为方案支持查询的私钥挑战函数集合。IBE的KDM安全取决于方案支持的私钥挑战函数集合的大小，集合越大，安全性越好。因此如何在IBE中获取更丰富的挑战函数集合（如，多项式函数、任意函数），至今是一个开放问题。

报告主要讲述如何应用函数的随机化编码技术，去扩大挑战函数集合。

报告题目四：扩展功能性自举的TFHE与安全多方计算

报告人：王冠伦

报告简介：云计算的产生有效地解决了企业和个人计算能力不足的缺陷，但同时也引入了许多新的安全问题，其中隐私安全已成为外包计算领域亟待解决的重要问题，极大地限制了云计算的普遍应用和深入发展。安全多方计算协议可以使多个参与方在不泄露自身敏感信息的情况下获得多方共同参与计算的结果，解决了外包计算模式下数据外包存储和计算与隐私安全的矛盾。但其效率问题受制于构造协议的多密钥全同态加密方案，这导致了MPC协议的实用性下降。自举过程通常是FHE中最耗时的部分。环面上的全同态加密(TFHE)以大约10 ms的速度实现了评估自举过程，其有着优越的性能。基于该方案所提出的多密钥TFHE方案有着更好的实用性,更好得解决多密钥方案的效率问题。针对现有的TFHE多密钥方案的自举过程功能性单一的问题，作者提出了一种具有更高级门运算的多密钥TFHE方案，该方案使用扩展的门运算来改进方案的自举过程，使其在自举过程中能够完成半加法器（HA）与全加法器（FA）运算。之后，作者使用提出的MKTFHE方案构造了一个更加高效实用的无CRS的安全多方计算协议。

报告题目五：基于区块链的物联网跨域认证方案研究

报告人：罗凤婷

报告简介：本报告主要介绍基于物联网应用场景，引入区块链和密码学原理，通过区块链实现认证过程中的数据存储和设备实体可追踪，保证身份的高度安全性。借助密码学中的相关技术，实现物联网设备间的身份认证和信息传递，以解决传统物联网身份认证方案中存在的单点故障问题以及多区域设备跨域通信流程复杂的问题，能够完成高效安全的物联网设备分布式身份认证和可信接入。

报告题目六：基于联盟链的共识机制改进的研究
报告人：詹卓凡
报告简介：本报告主要介绍基于共识机制在不同区块链场景中的缺点与发展机遇。近几年，效率与安全是最近几年互联网发展的关键与核心。基于联盟链和私有链的效率的优化，并支持高安全性的共识算法就会显得具有重要意义。目前可以通过PBFT算法与Raft算法两大联盟链和私有链的主要的共识算法实现相应功能。因此，结合PBFT算法与Raft算法两种算法中的优点能够更高效的完成区块链的数据交互。结合PBFT与Raft两大联盟链和私有链的主要的共识算法还可以在可拓展性、效率性上等方面得到提升。

报告题目七：视觉物体检测中基于时频嵌入的后门攻击
报告人：沈铭铠
报告简介：本报告主要介绍视觉物体检测任务下的后门安全。今年来，人工智能系统的安全性受到越来越多的关注，特别是在深度估计、自动驾驶等领域。这些应用都离不开一项基础的模块：物体检测。为了构造一个安全的物体检测系统，就必须研究可能的后门攻击行为，这样的行为可能会将恶意行为嵌入到系统当中。但是，现在的后门攻击方法大多针对于自然图像分类任务，通过修改像素点等方式将触发器嵌入训练图像，这会破坏训练图像的空间结构和语义，因此，这样的一系列方法无法作用于密集预测型的物体检测任务。为了解决这个问题，提出了新的基于时频嵌入的后门攻击方法，通过小波变换将触发器添加到原始信号和小波系数上，这样的触发器鲁棒性更强，更不容易被移除。由于小波变换不会显著改变图像的语义信息，因此可以对密集预测型的物体检测模型进行攻击。

报告题目八：多值输入评估的多密钥同态加密方案研究
报告人：李灵武
报告简介：同态加密为解决大数据带来的隐私问题而产生，许多的现实场景中需要多个用户将己方数据上传到云端，再通过云服务器进行联合计算，得到多方数据联合计算的结果，多密钥同态加密便是解决多方加密数据计算的方案。本报告主要介绍多密钥同态加密中多值输入评估的自举算法，引入环面上的同态加密方案，采用新的查找表结构，在评估电路中组合查找表，引入盲旋转算法，对密文评估时的自举功能进行研究，改进噪声传播开销，保证加密的安全性以及同态评估的正确性，在多输出函数中提高同态求值的效率。

场次三、

时间：2023年3月9日（星期四） 14:30-17:30

地点：beat365807b教室

报告题目一：基于知识蒸馏的木薯叶病害分类

报告人：曹勉

报告简介：广西多丘陵旱地，自然条件适宜木薯生产。木薯的加工产品丰富，产业链条长，经济影响面广。木薯的块根及其加工产品都是重要的经济产物，木薯淀粉在化工，医药、纺织、造纸等方面都有丰富的应用。农作物病害是制约农业生产的主要灾害之一，严重影响农作物的产量和质量。近年来，随着我国植物保护能力的明显提高，通过采取各种病害检测和预防手段，我国每年可减少粮食损失8700~11000万吨，约占全国粮食总产量的17%，减少上亿元的经济损失。由此可见，早发现、早治疗农作物病害对农业生产具有十分重要的作用。由于训练深度学习模型需要严重依赖需要大规模、高质量标注数据集，缺乏足够标记数据支持的模型容易陷入过拟合。采取自动标注方式获得的标签样本往往会包含相当比例的标签噪声。研究知识蒸馏结合噪声数据，通过传递和共享“元知识”，提高模型的泛化性能。

报告题目二：基于交叉注意力的多模态情感分析

报告人：赖宇斌

报告简介：多模态情感分析总结了三种最常见的多模态数据来源，即：描述同一事物的多媒体数据，如记录同一事件的视频、图像和文字等信息多媒体数据；检测同一对象的不同传感器数据，如共同监测环境的湿度、温度、气压等传感器信号；以及表达同一概念或信息的不同数据结构、表意符号或表现形式，如同一词语的不同种词向量特征表示。其中，社交网络中用户发布的视频数据可以理解为由文字、图像两种模态信息混合而成的多模态数据。因此，无论是在线下的真实环境中，还是在线上的虚拟网络里，多模态数据是不可忽视的重要信息承载形式。通过图像既能够表达个人的情感态度，也能够对人的情感产生影响，传统方法通常提取颜色、纹理、构图和内容等低级的视觉特征，或基于此叠加构建中高层特征，然后通过机器学习算法和模型进行训练分类。但这些视觉特征与人类高级情感认知之间具有语义鸿沟的问题，不能充分利用模态间的关系，缺乏模态信息交互，而且需要依赖很多启发式规则和复杂的手工特征定义。因此本章采用深度学习的方法，提取图像不同层级的视觉特征和语义特征，进行情感分类。

报告题目三：基于指针网络的实体与关系联合抽取方法

报告人：韦紫君

报告简介：随着计算机科学的迅猛发展，依托人工智能、大数据和物联网等创新科技技术，全球已步入一个全新的、以智能创新驱动的数字化时代。在该时代背景下，各个领域中产生的海量非结构化文本信息和知识数据开始发挥巨大作用，研究者利用自然语言处理技术对文本数据进行处理和分析，并从中抽取具有特定意义和价值的关键信息，为人们提供高质量的智能知识服务，如搜索引擎、智能问答、机器翻译和个性化推荐等。面对庞大的文本数据，如何对数据进行分类、关键词定位、深层语义关系挖掘是实现智能问答和知识图谱构建等技术的关键，同时也是自然语言处理和各领域大数据智能研究的热点研究方向。实体与关系联合抽取模型的目标是抽取出自然语言句子中所有可能存在的实体关系三元组。

报告题目四：融合特征的意图识别与语义槽填充预训练联合模型

报告人：罗正航

报告简介：口语理解是机器对话的前提，其包含意图识别和语义槽填充两个基本任务。目前意图识别与语义槽填充联合建模成为口语理解(SLU)的主流方法。已有的联合模型对多任务间上下文语义特征信息关联性差且信息利用不充分。基于此，提出一种基于BERT与语义融合的联合模型(JMBSF），使用预训练BERT模型提取语义特征信息，通过语义融合将语义特征信息关联融合，报告对上述模型进行介绍并展望未来工作。

报告题目五：优先高VoI数据传输的MAC协议研究

报告人：白玠

报告简介：提出了UWMAC-PTVOI协议，该协议使在IoUT中的AUV与收集到高VoI数据的SNs优先占用信道传输数据包。在分析了AUV需尽早将采集的数据传输、高VoI数据衰减程度大、CH转发能力有限与SNs竞争信道问题后，我们使用随机流体模型预测CH待转发队列完成转发高VoI数据的时间，使用马尔科夫链算法预测竞争信道中预转发最高VoI数据包的节点，结合这两种方法设计使高VoI数据包尽早发送以免价值衰减过大的完整MAC协议过程。仿真实验表明，UWMAC-PTVOI协议可以做到高网络吞吐量、低时延、低能耗的同时，最大程度地保障高VoI数据的价值保留。在未来的工作中，我们可以进一步研究多AUV与静态节点合作完成数据任务的方法，为IoUT提供更实用的方案。

报告题目六：基于模态交互的多模态情感分析

报告人：蔡宇扬

简介：随着互联网和通信技术的快速发展，社交媒体平台成为大众交流的重要途径。通过对社交媒体中的数据进行分析，可以掌握网民对热点事件和产品的观点和看法，对社会安全和电子商务等领域有重要意义。多模态情感分析研究独立提取模态特征，忽略了社交媒体中图片和文本存在的某种关联，这种关联会对情感分类的结果造成影响。因此，对多模态情感分析中模态间的联系进行建模，设计了一个基于门控注意力机制的交互模块来提取模态中的关键特征以达到更好的分类效果。

报告题目七：基于yolo的平均晶粒度检测

报告人：贾沛沅

报告简介：在钢铁产品质检中，金相技术仍是材料科学与工程领域最广泛应用、易行有效的研究检验方法。在传统的金相定级场景下，企业都会配备专业的质检人员运用放大镜和显微镜对金属材料的宏观及微观组织金相观察研究，进而对金属内部结构及成分含量进行分析，从而对钢铁的性能进行分析。在钢铁质检标准中，质检员所判定的晶粒度级别，也只能是根据多年经验给予结论，缺少完备的数据管理系统，轻则影响材料强度、韧性等安全性能的判断，重则引发安全事故。通过人工智能技术消除人工检测标准不一带来的问题，从而提高企业运行效率。