暨南大学融媒体中心讯 近日，广东智慧教育研究院刘子韬教授团队与美国Michigan State University、North Carolina State University合作，分别以暨南大学广东智慧教育研究院为通讯作者单位发表的2篇论文被国际顶级会议 ICML 2023 和KDD2023 接收。

2023年4月，中国计算机学会（CCF）推荐的A类国际学术会议 ICML2023论文接收结果公布，广东智慧教育研究院投稿的论文被顺利录取！

（ICML 2023）

ICML（机器学习国际会议）作为国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议，是国际机器学习领域探讨前沿科技成果和技术实践应用的重要舞台。ICML 2023是第四十届国际机器学习会议，将于2023年7月23日至29日在美国夏威夷举行。大会公布了今年的论文接收结果，ICML 共收到6538份投稿，其中1827份被接收，接收率约为27.9%。作为对比，去年共收到5630投稿，接收1117篇 short oral，118篇 long oral，录用率为21.94%。ICML 官方表示，每一份投稿都由领域主席和高级领域主席进行评审，以确保每一份投稿都得到适当的评估。

（论文截图）

论文名称：Probabilistic Categorical Adversarial Attack and Adversarial Training

作者：何鹏飞，许涵，任杰，万宇轩，刘子韬（通讯作者），刘徽，汤继良

概述：研究对抗性攻击和防御的研究已大大提高了深度神经网络（DNNs）的鲁棒性。大多数先进的方法都是为连续数据如图像设计的。然而，这些成就仍然很难推广到类别数据。为了弥补这个差距，我们提出了一个新的框架，概率类别对抗性攻击（或称为PCAA）。它将寻找类别对抗样本的离散优化问题转化为一个可以通过梯度基方法解决的连续问题。我们分析了PCAA的最优性和时间复杂性，以证明其相对于当前基于搜索的攻击的显著优势。更重要的是，通过大量的实证研究，我们证明了为连续数据建立的良好防御，如对抗训练和TRADES，可以轻易地适应于防御类别数据的DNNs。

2023年5月，中国计算机学会（CCF）推荐的A类国际学术会议 KDD2023论文接收结果公布，暨南大学广东智慧教育研究院投稿的论文被顺利录取！

（KDD2023）

ACM SIGKDD 国际会议（简称 KDD）是由ACM的数据挖掘及知识发现专委会主办的数据挖掘研究领域的顶级年会，属于CCF A 类会议。KDD 2023是第二十九届国际数据挖掘会议，将于2023年8月6日至10日在美国加利福尼亚州长滩举行。KDD 往年数据如下：KDD 2022 Research track 共收到 1695 篇投稿，其中 254 篇被接收，接收率为 14.9%。此外，KDD 2022 Applied Data Science track 共收到 753 篇投稿，其中 195 篇被接收。整体统计来看，KDD 2022 的总体接收率为 18.3%（2448 篇投稿，449 篇接收）。

（论文截图）

论文名称：How does the Memorization of Neural Networks Impact Adversarial Robust Models?

作者：许涵，刘孝睿，王文韬，刘子韬（通讯作者），Anil K. Jain，汤继良

概述：记忆是超参数深度神经网络(DNN)达到最优性能的一个必要因素。然而，经过对抗性训练的模型总是存在概括性差的问题，在测试集上的准确性和鲁棒性都比较低。在这项工作中，我们研究了在对抗性训练的DNN中记忆的效果，并披露了两个重要的发现：（a）记忆非典型样本只对提高DNN在非典型样本上的准确性有效，但很难提高其鲁棒性；（b）记忆某些非典型样本甚至会损害DNN在典型样本上的性能。基于这两个发现，我们提出了良性对抗训练（BAT），它可以促进对抗训练，以避免适应“有害”的非典型样本，并尽可能地适应更多的“良性”非典型样本。在我们的实验中，我们验证了BAT的有效性，并表明在图像分类的基准数据集中，它可以比基准方法实现更好的准确性与鲁棒性的权衡。

来源：暨南大学新闻网

人民号编辑：赖子瑶