参会记录|全国多媒体取证暨第三届多媒体智能安全学术研讨会(MAS‘2024)

本文主要是介绍参会记录|全国多媒体取证暨第三届多媒体智能安全学术研讨会(MAS‘2024),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言:2024年4月13日上午,我与实验室的诸位伙伴共聚江西南昌的玉泉岛大酒店,参加了为期一天半的全国多媒体取证暨第三届多媒体智能安全学术研讨会(MAS’2024)。本届学术研讨会由江西省计算机学会、江西省数字经济学会主办,南昌大学承办。来自国内多媒体取证与人工智能安全的专家、学者代表等共计100余人次相聚豫章故郡,共同参与此次会议。以下为本人的会议笔记。


特邀报告 * 5场

智能化恶意软件检测与对抗 —— 纪守领

恶意软件检测是一个二分类任务,主要面临数据和模型两个层面的困难:

  • 数据层面:样本分布不均衡、样本标签不准确(Virus Total 标注工具)
  • 模型层面:恶意软件种类多、软件特征提取过程依赖强

报告中提到恶意软件检测的后门攻击、逃逸攻击以及鲁棒训练都是AI安全领域的分支,被迁移到恶意软件检测这个应用场景同样适用。

智能驱动的物联网安全 —— 朱浩瑾

这个报告关注:1)移动设备(如手机)以及车联网设备的语音识别及用户认证;2)CV领域基于隐写的后门攻击,TDSC 2021;3)NLP模型的供应链安全,CCS 2021;4)基于内生指纹的数据集与模型鉴权,CVPR 2022,NDSS 2023

大模型安全与隐私:现状及挑战 —— 李进

这个报告讲了一个综述,从数据、模型和输出内容三个角度阐述了面临的安全与隐私的挑战。

在这里插入图片描述

隐私侵犯程度探测工具 ProPILE, NeurIPS 2023

针对LLM的复合式后门攻击:Composite Backdoor Attacks Against Large Language Models, arXiv 2024.

神经网络后门的检测与利用 —— 陈恺

从 Neural Cleanse, S&P 2019 出发,提出模型后门新型检测方法 Neural Sanitizer, TIFS 2024

基于深度学习的侧信道分析 —— 沈剑

侧信道分析这个概念不太了解,报告上说是衡量密码技术的绝对安全。POI(Point of Interest)概念出现。


学术报告 * 10场

基于语义解耦的AI生成图像取证技术研究 —— 丁峰,南昌大学

主要讲deepfake的,指出不同语义的伪程度(含伪量)不尽相同

非凸优化的定性分析 —— 李晓龙,北交大

太高深了,没怎么听懂……

对抗性取证 —— 王金伟,南信大

主动对抗性取证

  • 基于优化式攻击的对抗可见水印技术,JISA 2024
  • 基于AWFM框架的不可见对抗水印技术,TOMM 2024

PS:可以通过 Grad-CAM 查找嵌入位置

文本内容安全 —— 刘玉玲,湖南大学

刘老师分享了一些智慧政务,智慧城市,智慧司法的相关工作,挺有意思的

浅谈融合密码技术的人工智能模型版权保护研究 —— 杨文元,中山大学

杨老师报告内容基本围绕联邦学习场景。

水印的作用:1)版权验证;2)访问控制

  • 版权验证:基于零知证明的联邦学习所有权认证,arXiv 2023,

Zero Knowledge:知道有版权,但是不知道版权是什么。

  • 访问控制:
    • Passport(NeurIPS 2019);
    • FedIPR(TPAMI 2023)
    • FedSOV(arXiv 2023)

避免节点之间的水印冲突;秘密信息互斥;分级授权的概念

生成模型性能无损水印技术 —— 陈可江

当可证安全隐写遇上生成模型:
在这里插入图片描述

  • Provably Secure Generative Steganography Based on Autoregressive Model(IWDW 2018)
  • Distribution-Preserving Steganography Based on Text-to-Speech Generative Models(TDSC 2021)
  • Performance-lossless Black-box Model Watermarkin(arXiv 2023)

陈老师还讲了一些模型水印相关工作,比如 Stable Signature(ICCV 2023),TreeRing(NIPS 2023),以及他们组做的 Gaussian Shading(CVPR 2024)……

其他报告因为时间原因没有来得及听:

  • 无监督范式下的深度伪造人脸检测 —— 乔通,杭州电子科技大学
  • 迈向可信赖的人脸生理感知和安全系统 —— 余梓彤,大湾区大学
  • 音频主动标识和被动取证研究 —— 苏兆品,合肥工业大学
  • 图像隐写与取证的新进展 —— 李伟祥,深圳大学

后记:去年同时期参会的时候还处于懵懵懂懂的状态,换方向之后积累了研究基础,数场报告听下来收获更大。个人感觉,还是要有一定的学术积淀再去听报告……不然更多是浪费时间。(当然,如果是为了去Social,则另当别论)

这篇关于参会记录|全国多媒体取证暨第三届多媒体智能安全学术研讨会(MAS‘2024)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/908012

相关文章

Zabbix在MySQL性能监控方面的运用及最佳实践记录

《Zabbix在MySQL性能监控方面的运用及最佳实践记录》Zabbix通过自定义脚本和内置模板监控MySQL核心指标(连接、查询、资源、复制),支持自动发现多实例及告警通知,结合可视化仪表盘,可有效... 目录一、核心监控指标及配置1. 关键监控指标示例2. 配置方法二、自动发现与多实例管理1. 实践步骤

Nginx安全防护的多种方法

《Nginx安全防护的多种方法》在生产环境中,需要隐藏Nginx的版本号,以避免泄漏Nginx的版本,使攻击者不能针对特定版本进行攻击,下面就来介绍一下Nginx安全防护的方法,感兴趣的可以了解一下... 目录核心安全配置1.编译安装 Nginx2.隐藏版本号3.限制危险请求方法4.请求限制(CC攻击防御)

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Java 线程安全与 volatile与单例模式问题及解决方案

《Java线程安全与volatile与单例模式问题及解决方案》文章主要讲解线程安全问题的五个成因(调度随机、变量修改、非原子操作、内存可见性、指令重排序)及解决方案,强调使用volatile关键字... 目录什么是线程安全线程安全问题的产生与解决方案线程的调度是随机的多个线程对同一个变量进行修改线程的修改操

在Spring Boot中集成RabbitMQ的实战记录

《在SpringBoot中集成RabbitMQ的实战记录》本文介绍SpringBoot集成RabbitMQ的步骤,涵盖配置连接、消息发送与接收,并对比两种定义Exchange与队列的方式:手动声明(... 目录前言准备工作1. 安装 RabbitMQ2. 消息发送者(Producer)配置1. 创建 Spr

k8s上运行的mysql、mariadb数据库的备份记录(支持x86和arm两种架构)

《k8s上运行的mysql、mariadb数据库的备份记录(支持x86和arm两种架构)》本文记录在K8s上运行的MySQL/MariaDB备份方案,通过工具容器执行mysqldump,结合定时任务实... 目录前言一、获取需要备份的数据库的信息二、备份步骤1.准备工作(X86)1.准备工作(arm)2.手

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项

Python UV安装、升级、卸载详细步骤记录

《PythonUV安装、升级、卸载详细步骤记录》:本文主要介绍PythonUV安装、升级、卸载的详细步骤,uv是Astral推出的下一代Python包与项目管理器,主打单一可执行文件、极致性能... 目录安装检查升级设置自动补全卸载UV 命令总结 官方文档详见:https://docs.astral.sh/

统一返回JsonResult踩坑的记录

《统一返回JsonResult踩坑的记录》:本文主要介绍统一返回JsonResult踩坑的记录,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录统一返回jsonResult踩坑定义了一个统一返回类在使用时,JsonResult没有get/set方法时响应总结统一返回

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和