2025年5月13日 18:00-21:30,第194期方班学术研讨厅在黄埔研究生院B2栋成功举办。广州大学网络空间安全学院名誉院长方滨兴老师、主点评梅宏院士、张彦春老师、贾焰老师、周万雷老师、李舟军老师、副点评陈艳利老师、吴昊天老师、唐可可老师、束建钢老师、吴联仁老师、张登辉老师全程参与了课堂的教学,并对同学们的报告逐一进行了指导点评。同时参与的还有网络空间安全学院的部分老师,广州大学方班七期的217名学生。本次研讨厅分为六个小组进行。第一组汇报的同学有李强、李欣宇、李雨雪、何彦霖;第二组汇报的同学有戴清杨、田谷盛、李宝茹、杨鹏毅;第三组汇报的同学有张凌博、陈继昀、严宏宙、刘丽芳;第四组汇报的同学有刘俊、陈瑞泽、李周和、李芳;第五组汇报的同学有陈锦达、李任茂、加文浩、李盛琪;第六组汇报的同学有蔡明希、刘欣、龙湘杰、廖婷。
第一组
第一位报告人:【李欣宇】
报告题目:【FSM:一种用于双平衡图分区的细粒度拆分和合并框架】
点评老师的意见与建议:
1、老师指出对于汇报时对于这篇论文的时间复杂度的具体计算还是不够了解,论文中的分布式子图合并框架不能简单通过节点数来衡量,还与具体的分割因子k相关,不能因为实际过程中k较小而直接将k化简掉。
2、老师指出在汇报这篇论文时候,应该结合具体的应用场景贯穿始终,比如子图合并中的bin,实际上可以是应用场景的分布式计算设备。
3、老师指出对于讲解这篇论文的具体子图合并过程中的案例时,不能简单的一笔带过,可以快速讲解,但需要讲解其背后的具体思想。
方老师点评:
1、阅读论文时候要看懂每一步算法背后最本质的思想然后用简短的话表达出来,而不是简述算法流程。
2、方老师通过子图合并算法,指出了其背后的本质思想即每个候选子图的选择和候选bin的选择实际上就是找出最相近的子图从而进行合并,并平衡负载。
3、方老师通过子图合并算法,指出了其背后的本质思想即每个候选bin的选择实际上找与当前构建块最邻近的bin从而减少复制因子。
第二位报告人:【李强】
报告题目:【ARC:基于上下文学习的通用图异常检测器】
点评老师的意见与建议:
1、论文题目提出了一个通用的图异常检测器,但是在面对新的数据集时,是否还能有较好的性能存疑。
2、在正常上下文样本对特定数据的拟合部分解释不够清楚,可以结合具体实例讲解。
第三位报告人:【何彦霖】
报告题目:【通过考虑子页面集合来增强网站指纹识别】
点评老师的意见与建议:
1、应该具体说说匿名流量和其数据包之间的关系,并且在介绍方法模型时应该更加详细。
2、多实例学习是其他领域提出的方法,文章提出基于多实例学习的子页面集合,但本文的实用性和泛化能力都还有待验证。
第四位报告人:【李雨雪】
报告题目:【Web-FTP:基于特征迁移的预训练 Web 攻击检测模型】
点评老师的意见与建议:
1、屈凌峰老师:提问在web攻击检测中选择语义代码数据集的优势。
2、陈艳利老师:PPT框架略微混乱,文字偏多,PPT整体美观,询问第三次和前两次研讨厅的相关性。
3、张彦春老师:论文数据集较老,论文方法比较创新存疑。
第二组
第一位报告人:【杨鹏毅】
报告题目:【FADngs:基于联邦学习的异常检测方法】
点评老师的意见与建议:
1、屈凌峰老师针对本文所提出的方法在联邦学习整体的适应性进行探讨,在面对去中心化的联邦学习本文的方法是否适应?
2、吴昊天老师针对本文联邦学习的起始点进行了探讨,与往常从客户端开始不同,本文是从全局模型出发的联邦学习。
3、贾焰老师针对与本文的侧重点进行探讨,指出本文主要是解决联邦学习在误报和漏报方面的问题。
第二位报告人:【李宝茹】
报告题目:【ALPS:一种用于无服务器函数的自适应学习优先级操作系统调度器】
点评老师的意见与建议:
1、该PPT涉及的概念较为繁多,但部分概念缺乏完整明确的解释,且整体缺少形式化的表达方式,导致内容理解上存在一定难度。
2、实验部分的展示不够清晰,建议进一步详细补充与讲解。
方老师点评:
1、调度类问题应从宏观角度进行阐述,围绕问题的发现、分析与解决思路展开讲解,有助于提升整体逻辑性与表达的清晰度。
2、该论文只从“需求侧”看调度问题,忽视“供给侧”,距离实际应用场景还有明显距离。
第三位报告人:【戴清杨】
报告题目:【沉默误报识别以太坊上的反重入模式以改进智能合约重入检测】
点评老师的意见与建议:
1、吴昊天老师点评,PPT总体做的还可以,背景部分通过一个例子让听众能够把握研究背景和研究问题,但是后续又陷入到技术细节中,导致第二部分整体停下来并不容易被听众接受。
2、贾焰老师点评,这篇文章并不难,但是很绕,要通过一个通俗易懂的例子来讲,这样容易让听众把握重点。
第四位报告人:【田谷盛】
报告题目:【PASTA: 用于多元时间序列异常检测的神经架构搜索】
点评老师的意见与建议:
1、提问老师建议关注该方法在动态时序序列中的应用。
2、副点评老师建议注意ppt设计层次。
3、主点评老师建议注意详略。
第三组
第一位报告人:【严宏宙】
报告题目:【基于少样本提示的上下文残差学习的通用性异常检测】
点评老师的意见与建议:
1、文章缺乏算法上的创新,实际上就是多个模块的缝合。
2、准备PPT时需要用心些,避免一张图片重复多次使用,CLIP的机理需要讲解清楚,否则同学容易听不懂。
3、整体逻辑流畅度还可以,有些英文的翻译不够学术性。
第二位报告人:【张凌博】
报告题目:【用于类别增量学习的跨类别特征增强方法】
点评老师的意见与建议:
1、汇报过程中语速稍缓,内容理解可以更深入。在介绍灾难性遗忘及现有方法时,若能优化呈现方式,会让报告重点更突出、逻辑更清晰。
2、总结部分内容呈现可优化,回答问题时对部分关键内容的理解若能加深,能更好展现对研究的掌握程度,提升报告效果。
3、从回答问题来看,对文章的理解深度或许还有提升空间,阅读时可拓宽相关知识的了解。尝试以批判性思维剖析文章,挖掘其优劣。
4、建议多与他人交流分享,像给同学、导师讲述研究内容,这有助于提升表达和理解能力,更清晰地展现研究的创新点。
第三位报告人:【陈继昀】
报告题目:【缓解混合式对话系统中的负向风格迁移】
点评老师的意见与建议:
1、唐可可老师:在讲解模型的时候要结合数学公式,才可以让观众清楚模型的流程。相关工作讲的太快了,没能很好的体现文章解决的问题。
2、周万雷老师:在相关工作介绍过多的工作,挤占了其他内容的空间。在主要矛盾的部分也讲的过快导致不够清楚。
方老师点评:
1、在讲文章提出的方法,要着重讲文章的方法在什么方面解决了过往工作的什么问题。
2、在损失函数的时候,要注意到两个损失函数互相冲突,运用在一个损失函数里面是不合理的。
第四位报告人:【刘丽芳】
报告题目:【基于SECaaS的部分可观测IIoT防范APT的防御模型】
点评老师的意见与建议:
1、颛孙晨露老师:PPT有几页放的位置换一下会更好,思考部分做的很好,这部分建议可以再往下继续研究。
2、唐可可老师:内容讲解过于细致,导致整体框架的主线不够清晰,建议突出重点、加强逻辑连贯性。此外,本文研究的是模型而非系统,论述时应更聚焦方法本身,避免偏向系统化的描述。
3、周万雷老师:整体讲的很不错,建议在研究背景中增加一些IIOT设备例子的讲解,该模型其实还是只能适用于小型系统部署,在大型IIoT中的实际应用效果可能受限。
第四组
第一位报告人:【李芳】
报告题目:【MEGR-APT:一种基于攻击表示学习的高效内存APT狩猎系统】
点评老师的意见与建议:
1、副点评老师意见:在背景部分介绍攻击表示学习的时候举的例子太过于复杂,不容易理解可以用更加清晰易懂的方式。
2、副点评老师意见:在PPT中使用了大量的图来展示,但是并没有对这些图进行清晰的讲解,只是放在这里难以让听众理解。
3、主点评老师意见:没有讲清楚论文中的一些关键信息,比如MEGR-APT是一个针对APT检测的系统,但讲解更偏向于它的每一步方法,最后没有总结是怎么针对APT攻击的有什么样的效果。
第二位报告人:【陈瑞泽】
报告题目:【无人机网络中的协同蜜罐防御:基于博弈的学习方法】
点评老师的意见与建议:
1、张帆老师指出背景介绍部分没有很好地将本文中的协同防御这一概念很好地阐述,导致后续进行介绍博弈时整体逻辑性不够连贯。
2、束建钢老师指出,汇报展示的细节过多导致了超时,同时还指出本文主要核心在于博弈优化,应将主体明确并通过尽可能简洁的表达。
3、主点评老师指出本文的主体蜜罐协同防御、动态博弈比较分散,属于多方拼凑,汇报时应针对它们之间的联系进行展开。
第三位报告人:【李周和】
报告题目:【蜜库的安全性分析】
点评老师的意见与建议:
1、李超老师:文中提到的攻击实际上预设了一些条件,讲解时要提前说明;针对文中提出的攻击,有一个加强蜜库的思路应该要想到,就是将子集分布不均与改为均匀。
2、束建钢老师:这篇文章主要还是偏理论,同学需要加强他对实际应用的了解。
3、主点评老师:这篇文章的理论性是非常强的,内容非常细致,同学在后续一定要更加仔细的阅读。
第四位报告人:【刘俊】
报告题目:【基于群体学习和知识蒸馏的智能物联网威胁行为自驱动检测
点评老师的意见与建议:
1、李老师提出本文实验设置合理性问题,边缘路由作为群体学习节点是否合理,模型的训练、检测和区块链间的参数共享是否可以在一个家庭路由上完成,可能要考虑下
2、副点评老师指出本文没有过多的创新点,读完文章学不到很多知识,选取文章要注意
3、主点评老师指出文章内容像大杂烩,将群体学习、知识蒸馏和人机交互揉在了一起,读这篇文章相当于简单了解了这些概念性知识,但是不够深入。
第五组
第一位报告人:【陈锦达】
报告题目:【从知识蒸馏到自知识蒸馏:基于归一化损失和定制软标签的统一方法】
点评老师的意见与建议:
1、张鹏老师点评:老师从我的选文出发,重点看了我所讲解的论文,以专业的视角评价了这篇文章存在的不足,一个很明显的不足就是:文章的损失函数设计的很含糊,像是为了堆工作量而设计的。并且大篇幅讨论的损失函数在最终的总函数上也没有得到很好的应用。
2、吴联仁老师点评:论文公式很多,抓住了细节,ppt很长,讲解出发的角度也对;对于论文的理解,过分注重于细节部分和公式,需要把握论文的核心然后进行汇报。是否有深入考虑作者为什么没有对特殊分布数据的影响进行实验?对于这方面的问题在未来的工作中是否有必要继续研究?还有就是如果在公式部分能够分点去讲解每一步是怎么来的,可能对于其他不是这个研究领域的同学来说会更好接受。
3、梅宏老师点评:讲解的方式上存在些许不足,主要也是对于怎么去延伸到这个研究上的讲解不太好,对于蒸馏这个领域可能研究的人不多,所以更应该去讲解好前面的这个工作,再引入为什么要对这个损失公式进行处理。另外,更建议在选择论文之后,对该论文的所有工作者都进行一个简单的介绍,看看这些人都是在研究什么工作,还有这些人发表的一些其他代表性文章,可以把他们近几年这个领域的文献梳理一下,然后找一找哪些方面是值得做的而不是仅仅局限于作者这一篇论文。
第二位报告人:【加文浩】
报告题目:【TROJANPUZZLE 代码建议模型的隐秘中毒攻击】
点评老师的意见与建议:
1、这篇文章的出发点,从科技伦理的视角来看在生命科学领域还有人去研究怎么投毒吗?这是不应该以公开的方式来做这种事情,这是一个道德、科学伦理问题。防御是可以,但是怎么能把攻击作为一种研究成功?我是不太赞同严肃的研究者整天去研究后门投毒的,我希望各位老师和同学在做研究的时候首先要考虑这个技术产生的影响,要考虑基本的伦理问题以及技术滥用带来的后果,我不希望有更多的人来干这种事情。
第三位报告人:【李任茂】
报告题目:【通过多知识转移实现协同知识蒸馏】
点评老师的意见与建议:
1、对于基于关系的知识的描述不够清晰,可以更加具体的解释一下基于关系的知识。
2、对于本文的多种超参数的选择以及本文方法相较于传统方法有提升的分析不够,需要更加深入的了解本篇论文。
3、后续研究可对本文实验进行关键参数和模块要素的深入剖析,以期探寻潜在的进一步提升空间。
第四位报告人:【李盛琪】
报告题目:【美杜莎:一种多解码头的大语言模型推理加速框架】
点评老师的意见与建议:
1、有没有考虑过将所有候选句子合并成一长条来计算注意力?产生的问题是冗余计算比较多,计算量非常大。
2、最好要有点节奏,不要一直一个声调平直铺叙的,这样可能会让听众听的有些昏睡感。
3、把问题先列明白是可以的,这样能帮助大家理解这篇论文都做了什么工作。
4、PPT制作需要再精细一点,有些地方框没对齐。
第六组
第一位报告人:【刘欣】
报告题目:【揭示、解释并移除后门防御中的表面安全性】
点评老师的意见与建议:
1、第一章介绍的背景不够有针对性,可以拆分成更小的背景知识进行汇报。
2、将本文设计的后门防御方法应用到不同的领域中,迁移到生成类模型上。
第二位报告人:【龙湘杰】
报告题目:【FedTracker: 为联邦学习模型提供所有权验证和可追溯性】
点评老师的意见与建议:
1、论文复现有做,但其实还可以对方法中的很多模块进行消融实验验证方法的可靠性。
2、总结部分内容还可以再精进,论文的方法涉及到很多个模块,可以提出相应的改进方案。
3、对于遗传算法的改进,可以试试使用多次哈希的方式,这样也能最大化指纹之间的差异。
第三位报告人:【蔡明希】
报告题目:【Genetic-GNN:图神经网络的进化式架构搜索】
点评老师的意见与建议:
1、对进化算法的收敛性可以进行一些理论分析。
2、考虑基于多个评估函数的多目标进化算法。
3、搜索空间是离散的(如2,4,6),很值得研究离散的搜索空间没有覆盖到的部分(如3,5)。
第四位报告人:【廖婷】
报告题目:【在关系型本地差分隐私下的边保护三角形计数估计】
点评老师的意见与建议:
1、提问老师提议将该方法拓展到其他图查询任务,同时考虑子采样的不同方法对通信开销的影响。
2、副点评老师提议考虑研究背景和意义,再详细介绍对比的现有方法。
3、主点评老师提到考虑参数调优的改进方法。
方老师点评:
1、关注论文在图查询任务下为什么选择拉普拉斯机制,使用其他机制会怎么样。
2、思考本文加噪的同时为什么没有进行局部去噪,考虑不同用户的噪音抵消以及不同用户可以使用论文提到的3种算法。
整理:冯浩桓 黄河清 刘佳扬 姚懿桐 朱艺锋 谢晓彬
校对:王乐老师 鲁辉老师
责任编辑:鲁辉老师
本课程最终解释权归蚁景网安学院
本页面信息仅供参考,请扫码咨询客服了解本课程最新内容和活动