“深度学习安全与对抗”为《信息安全研究》2022年第3期专题，本期专题责任编委老师为北京理工大学网络空间安全学院长聘教授、博士生导师谭毓安老师。下面由谭老师为大家推荐专题论文，欢迎大家阅读留言。

• 专题推荐论文

《生成对抗网络技术与研究进展》（作者：梁晨、王利斌、李卓群、薛源，单位：北京信息科技大学信息管理学院等）

• 论文推荐理由

互联网在成为信息时代人类文明重要成果和创新高地的同时，也将成为安全风险汇聚之所和国家冲突新的策源地。随着深度学习技术的不断发展应用，其技术本身带来的安全性问题也需要重视。因此，深度学习安全就成为了与深度学习伴生的热门研究领域。

该文章详细介绍了生成式对抗网络技术这一概念的由来、设计思想、方案框架以及实现过程。文章结构完整，数据真实可靠，具有深度学习安全领域的学术研究价值。从近年来的相关热点领域入手，对生成式对抗网络技术应用过程中随之产生安全问题进行分析。此外还从计算机视觉、医疗、金融等领域下的图像和视频处理及生成、数据集增强、时间序列预测等生成式对抗网络技术的重要应用场景入手，对生成式对抗网络技术的主流方案做了介绍，对各自不足进行了重点分析并列举了亟待改进的问题。此外，该文章还着重讨论了如何采用生成对抗网络隐私措施以及如何处理敏感数据。

• 责任编委老师点评

深度学习已成为引领新一轮科技革命和产业变革的战略性技术，与此同时，深度学习面临的安全风险也日益凸显。北京信息科技大学梁晨等作者撰写的《生成对抗网络技术与研究进展》较为全面地总结了生成式对抗网络这一新兴技术的技术发展与应用，介绍了基于框架结构演变和损失函数方面的发展。从数据隐私保护的角度，分析了现有生成式对抗网络技术在满足差分隐私约束方面的不足，明确指出目前兼顾数据隐私的生成式对抗网络生成的样本集质量有所下降的局限性。总而言之，文章可以帮助读者快速了解该领域近年来的发展及主要挑战，为该领域未来技术创新提供了新的研究思路。

• 论文主要内容

生成对抗网络（generative adversarial networks，GAN）使用零和博弈论将2个相互竞争的神经网络结合起来，使其能够产生更加清晰、更离散的输出。在诸如其计算机视觉、医疗、金融等领域的图像和视频处理及生成、数据集增强、时间序列预测等方面已取得重大进展。

论文分为5个章节，主要介绍了生成对抗网络的基本框架、理论以及实现过程，并且分析了近年来主流研究现状，通过回顾生成对抗网络变体及其应用场景列举了亟待改进的问题。此外，本文还着重讨论了如何采用生成对抗网络隐私措施以及处理敏感数据，以及生成对抗网络技术在相关领域的未来发展趋势。

全文下载链接：生成式对抗网络技术与研究进展 (www.sicris.cn/CN/Y2022/V8/I3/235)

【本期责任编委·个人简介】

谭毓安，北京理工大学网络空间安全学院长聘教授，博士生导师。主要研究领域为深度学习对抗、信息系统安全等。作为项目负责人承担国家级、省部级科研项目20余项，包括国家自然科学基金重点项目/面上项目、国家重点研发计划课题等，发表SCI论文50余篇,获国家授权发明专利20余项,研究成果获省部级奖励４项，担任《信息安全研究》《信息网络安全》《International Journal of Intelliggent Systems》等期刊编委。