2026 年10月8日 18:00-21:30，第233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，主点评王恩东老师，孔志印老师，陆军老师，王小云老师，戴琼海老师，李建新老师，李舟军老师，李凤华老师，副点评束建钢老师，卢璨老师，陈艳利老师，吴昊天老师，唐可可老师，潘梓彬老师，欧阳典老师，张登辉老师，张鹏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，广州大学方班九期的251名学生。

本次研讨厅分为九个小组进行。第一组汇报的同学有陈镇航，戴兰洋，丁泽恩，李沐晓；第二组汇报的同学有唐洋鑫，王明宇，文英豪，于文越；第三组汇报的同学有李宇昊，陈卓宁，阮心悦，于志远；第四组汇报的同学有梁浩贤，刘菁，唐嵩，王君豪；第五组汇报的同学有陈奕同，胡君镇，刘琦，肖烜；第六组汇报的同学有陈俊豪，崔子乐，吴志锋，杨智；第七组汇报的同学有何玉珍，卢远洋，姚俊棉，尹洁；第八组汇报的同学有宁苗，苏癸湘，许辉彬，朱晏莹；第九组汇报的同学有郭峻豪，彭柏润，秦永馨，郑禧敏。

第一组

第一位报告人：【陈镇航】

报告题目：【MetaMind：以元认知多智能体系统建模人类社会思维】

点评老师的意见与建议：

1、内容结构完整，这篇文章在背景部分提出元认知概念，但这个概念在后面完全没有提到，建议在后续方法讲解的时候联系起来。

2、论文借鉴人类言说与思考方式，设三智能体分三步处理大模型输出，但这是针对陌生人，熟悉或关联者是否仍需同样三步？

3、对于心智智能体介绍方面不应过多专业话语，建议进一步讲述是如何具体使用提示词来对原始生成语句的处理。

第二位报告人：【戴兰洋】

报告题目：【弥合GPU利用率鸿沟：面向多AI负载预测式多维度调度】

点评老师的意见与建议：

1、预测模型的选择应关注数据特点和实际效果，不能仅强调算法的新颖性。预测与调度之间的联系需要讲清楚，预测失效时应完善兜底与反馈机制，而非简单退回用户申请资源。

2、首次汇报就开展仿真复现，并有自己的思考，值得肯定。但背景分析不够充分，应将现有工作不足、研究挑战、方法设计和实验验证串联起来。PPT需统一符号与字体、精简细节，明确实验图的比较对象和主要结论。

3、论文的应用场景需要进一步明确，公有云与私有云的调度目标存在差异，万级节点下的可靠性问题也值得深入思考。应结合复现，分析使用与不使用该系统时资源利用率和可靠性的差异，不能仅停留在算法介绍层面。

第三位报告人：【丁泽恩】

报告题目：【AutoTool：面向智能体推理的动态工具选择与集成】

点评老师的意见与建议：

1、论文主要验证了模型在受控基准任务中动态选择和调用工具的能力，包括使用未见工具，但还没有展示真实线上部署中的效果。

2、PPT的讲解逻辑还不够清晰，各部分之间需要加强衔接，讲清楚“存在什么问题、为什么采用这个方法、实验是否解决了这个问题”，使整个汇报形成连贯的思路。

3、需要讨论工具数量增加带来的性能问题，包括新增工具的编码成本、每次选择的计算开销和选择准确性，并明确论文现有实验能够支持的规模范围。

第四位报告人：【李沐晓】

报告题目：【SALoM：采用长短期记忆更新器的结构感知时序图网络】

点评老师的意见与建议：

1、模型对突发事件的近期权重调整能力理解要加强，需明确时序与结构信息拼接融合的理论依据，并可以延伸设计对照实验验证其有效性。

2、在对主要公式讲解时，学会优先阐述物理意义和要解决的问题，着重解释关键符号。

3、背景和方法介绍清晰完整，但要尝试对实验进行复现，这样才能对模型创新性和局限性理解更深入

第二组

第一位报告人：【唐洋鑫】

报告题目：【通过查询交互对 LLM 智能体实施记忆注入攻击】

点评老师的意见与建议：

1、方法讲解不够清晰。建议在讲解论文核心方法时，把智能体在内部的工作细节再分析深入些，比如智能体是根据余弦相似度来检索top-k条记录来作为参考的等。

2、可以对论文进一步验证。论文实验用的数据都是问题交互类的，过于简单，可以考虑是否可以将论文的方法用在智能体工具调用的场景。

3、理清论文方法的步骤。作者是如何判断记录注入成功的，如果在注入过程中失败了又怎么办，应该更好理清论文脉络并且扩展自己的思考。

第二位报告人：【王明宇】

报告题目：【ThinkTrap：基于“无限思考”的黑盒LLM拒绝服务攻击】

点评老师的意见与建议：

1、针对实验环节提出疑问，指出攻击生成的token大部分并不能促使模型超长生成，即文章攻击手段的非对称性优势不一定明显。

2、针对CMA-ES优化算法提出建议，指出在介绍该部分内容时需简要论证算法正确性与收敛性。

3、针对攻击框架提出疑问，指出模型之间、代理与解码之间的不对齐或导致精度损耗或成本上升，从而影响性能。

第三位报告人：【文英豪】

报告题目：【迈向有效的进攻性安全大模型智能体：超参数调优、LLM裁判与轻量级CTF基准】

点评老师的意见与建议：

1、明确过程评测范式的研究动机。针对各关键环节补充验证实验，充分论证评价方法的合理性与有效性。

2、小题库的代表性论证不足。应对比50道题与完整题库的评测结果，检验各题型样本数量是否充分。

3、过程评价应先核实解题轨迹的正确性，并考虑多种有效解法，不能仅以路径一致性判断模型能力。

4、深入分析方法设计的依据与合理性，思考为何采用当前方案、为何不选其他方案，加强对论文的批判性分析。

第四位报告人：【于文越】

报告题目：【代理评估：面向大语言模型的代理和自进化安全性评价】

点评老师的意见与建议：

1、生成法规树的用户自定义模式很有探讨的空间，不同区域和国家的文化语言都不同，可以做本土化配置。

2、与传统多智能体不同，这个系统只是把自己判断的内容转给下一个智能体，不需要四个独立的智能体，优化过程只是信息传递，可以明确不是传统的多智能体协同，模型自进化有限。

3、对大模型的安全性进行评价，工程价值更高，读此类文章建议最后，思考为什么来构建这套体系，大模型的安全性很热，要想一想，他们在实验方面是怎么做的，从中锻炼自己的工程实验能力，需要多思考实践。

第三组

第一位报告人：【李宇昊】

报告题目：【基于上下文聚类的实体解析与大语言模型：设计空间探索】

点评老师的意见与建议：

1、标题翻译有待进一步斟酌。目前中文标题“基于上下文聚类的实体解析与大语言模型”的关系表达略显模糊，建议结合英文原题和论文内容，进一步明确上下文聚类、实体解析与大语言模型之间的逻辑关系，使译文更加准确、自然，突出论文的研究重点。

2、讲解清晰，整体完成质量较高。汇报思路清楚、内容安排合理，能够较好地串联研究背景、核心方法与实验分析，对关键概念和技术细节的解释也比较到位，便于听众理解论文的主要内容，体现出充分的准备和对论文的良好把握。

3、建议进一步加强对方法适用性与局限性的分析。在清晰介绍论文内容的基础上，可以结合具体的实体解析案例，并进一步补充面对不同特殊数据集可能遇到的问题，使汇报更具深度，也更能体现个人思考。

第二位报告人：【陈卓宁】

报告题目：【以真话行骗：基于生成蒙太奇的公开信道多智能体合谋信念操控】

点评老师的意见与建议：

1、论文整体逻辑比较清楚，但还需要继续思考题目背后的内在逻辑，对研究问题的本质理解得更深入。

2、这种攻击通过调整真实证据的顺序影响模型判断，需要进一步说明它与脏数据攻击之间的关系。

3、需要讲清楚Editor在编辑和重排证据时，是否带有明确的欺骗导向，以及这种导向是如何形成的。

4、还要说明如何判断模型补出的因果关系在逻辑上是错误的，并结合实际实验对论文结论进行验证。

第三位报告人：【阮心悦】

报告题目：【PROMFUZZ：基于大语言模型驱动与面向漏洞的复合分析检测智能合约中功能性漏洞】

点评老师的意见与建议：

1. 内容讲解优化：补充智能合约功能不变量的经典案例；审计员与攻击者、粗细粒度多视角分析改用具体实例演示，避免单纯念步骤。

2. 文献阅读广度：研读一篇论文建议配套阅读十余篇相关文献，以此把握领域整体研究现状，不能只看单篇。

3. 论文思辨研读：该论文属于经验性工作，缺少机理分析；读文献要追问背后必然性，不只停留于表面实验效果，优先选取侧重底层原理分析的论文。

第四位报告人：【于志远】

报告题目：【混合专家知识图谱检索增强生成的多智能体用于大模型推荐】

点评老师的意见与建议：

1、后续可以加入专家多颗粒度的检索，研究精准抓住大模型推荐存在幻觉、知识过时痛点，提炼出三项核心技术挑战，问题分析要更贴合领域现实。

2、后续可以进行代码复现，选用多套公开数据集开展对比实验，设置丰富基线，实验指标全面可观；可进一步对专家路由选择的决策机制做消融验证。

3、对这类论文可以结合其他方向一起研究，热门领域要多提出自己想法。

第四组

第一位报告人：【梁浩贤】

报告题目：【当 AI 遇见网页：第三方 AI 聊天机器人插件中的提示注入风险】

点评老师的意见与建议：

1、演讲时间过短，应该讲清楚插件怎么来。

2、作者为何找到论文中两类漏洞、如何找到这两类漏洞也值得关注。

3、论文侧重通过网站、聊天机器人对话实现非预期行为。一类是利用身份伪造直接注入攻击，另一类是通过爬虫引导大模型生成恶意评价等。故要明确此论文和传统安全攻击面的区别。

第二位报告人：【刘菁】

报告题目：【缓存机制与安全风险：LLM服务框架中的缓存相关安全威胁研究】

点评老师的意见与建议：

1、缓存是计算机领域已有技术，并非大模型才产生，汇报需要先讲清缓存基础原理，再讲大模型场景下衍生的新安全问题。KV缓存、哈希等专业名词不能一带而过，需要做出解释，图表表达要更清晰，照顾不熟悉该领域的听众。

2、本文属于实验发现类论文，需要区分哪些是论文新贡献、哪些是已有知识；重要内容提前做预告，不要把贡献全部放到PPT结尾，素材内容充足，但缺少动画，页面呈现比较枯燥，可以增加动画辅助理解。

3、该论文是实验性质，逻辑不复杂，汇报不要堆砌文字，要补充具体案例。区分面向用户欺诈、破坏系统完整性两类攻击，用实例直观展示攻击危害。

4、简化核心逻辑：攻击者构造哈希或者语义相似的输入，将恶意内容投毒进缓存；正常请求命中被污染缓存，实现欺骗用户、绕过安全检测。

第三位报告人：【唐嵩】

报告题目：【MELON：针对 Agent 的间接提示注入攻击的可证明防御】

点评老师的意见与建议：

1、掩码处理不宜完全抹除任务与上下文，建议以扰动方式保留正常上下文、替换敏感描述，降低对比偏斜。

2、检测为恶意后不应阻断全部工具调用，可执行与正常行为相似的部分，减少对良性用户的误判。

3、方法假设过强，攻击者模仿正常行为时易失效；对文本操作检测不足，成本高且仅解决局部问题。

第四位报告人：【王君豪】

报告题目：【伪装，蜜诱，陷阱：针对 LLM 智能体的主动防御】

点评老师的意见与建议：

1、提问老师首先询问专用标记如何区分人类与模型智能体，确认学生理解无误；接着探讨防御框架对自适应攻击的鲁棒性。

2、副点评老师高度评价报告逻辑清晰、案例新颖，PPT成功；同时建议第二部分提前介绍结构框架，便于听众把握；

3、主点评老师指出文章核心是三步防御全智能攻击智能体，但实验环境理想，假设过强。认为纯自动防御短期内无法实用，关键判断仍需人工。

第五组

第一位报告人：【陈奕同】

报告题目：【Cryptobazaar：大规模私密密封竞价拍卖】

点评老师的意见与建议：

1、从相关研究过渡到本文方法时，要先指出已有方案为什么不够、论文要解决的核心矛盾是什么，再介绍总体设计思想，避免直接进入协议和公式。

2、汇报时间有限，听众未必熟悉密码学。应选择一个具体例子，把图中的参与方、数据流和操作过程讲清楚，再说明每个证明分别解决什么问题。

3、进一步学习秘密共享、安全多方计算、承诺机制和零知识证明等内容，明确这些技术在方案中的作用，以及它们如何共同保证隐私性、正确性和可验证性。

4、尽量使用自己生成的数据复现实验，加深对论文的理解。同时补充威胁模型，重点分析参与方合谋、秘密共享门限被突破等情况下，协议是否仍然安全。

第二位报告人：【胡君镇】

报告题目：【解锁解密失败预言机的真正潜力：使用不完美预言机对 ML-KEM 进行混合自适应 LDPC 攻击】

点评老师的意见与建议：

1、背景与动机应讲透：充分说明 DF 泄露 Oracle 的原理及其低效性，把攻击动机讲清楚，避免堆砌听众不熟悉的基础知识。

2、方法部分应突出主线：围绕如何构造高信息量查询、如何恢复密钥展开，侧信道的细节铺垫。

3、对核心攻击机制的理解尚需加深：应理顺查询构造与密钥恢复的整体思路后再讲，化繁为简。

第三位报告人：【刘琦】

报告题目：【在联邦学习中利用稀疏化：一种安全，高效且具有差分隐私的实现】

点评老师的意见与建议：

1、要梳理清楚论文的问题脉络，明确现有方法的不足及三个核心研究问题，而不是直接从背景跳到设计。 2、可以去关注实验数据的独立同分布假设，补充非独立同分布场景下的验证，评估这个方法对异构数据的适用性。 3、这个实验的数据量还是比较小的，要具体去分析方法在大规模联邦学习中的实用性，能不能达到降低通信开销的效果。 4、重点审查稀疏化是否削弱安全性，结合安全证明与量化评估，避免仅凭高斯噪声认定安全性得到保障。

第四位报告人：【肖烜】

报告题目：【ViGText：基于视觉语言模型解释与图神经网络的深度伪造图像检测】 点评老师的意见与建议：

1、检测器内部大模型若被误导并输出错误解释，整个检测链将失效，此为论文明显漏洞，汇报中未作批判性指出。

2、对抗鲁棒性的评测口径需澄清：现有对抗数据集针对其他方法构建，并未覆盖对检测器内部大模型的攻击。

3、挑战与方案的对应关系有误。引入频率域特征并非为了解决对抗攻击，汇报的因果链条存在逻辑冲突。

4、基于特征判别的方法不具备密码学意义上的不可归约安全边界，构造更贴近真实图像的伪造存在理论空间，可延伸为后续研究。

第六组

第一位报告人：【陈俊豪】

报告题目：【T²SG：面向自动驾驶拓扑推理的 交通拓扑场景图】

点评老师的意见与建议：

1、汇报整体较为完整，演讲过程中添加了示例用于辅助理解，对论文数据集进行了分析，并尝试运行模型代码，值得肯定。

2、案例演讲应该更加具体一点，前序内容讲解时长过长，应加强对训练模型得整体流程的描述，比如损失函数，参数设置等。

3、可以拆解原实验数据，用比测试分数更形象的例子来解释实验的效果，应从多方面思考论文，探讨论文实验在现实生活中的效果。

4、尽量完成模型的训练，从代码部分进行更深入的理解。

第二位报告人：【崔子乐】

报告题目：【用于跨文档检索增强生成的层次化抽象树】

点评老师的意见与建议：

1、项目背景分析到位，模型构建过程和检索过程图例都很清晰，总体思路和模型框架明确，但代码实现细节展示较少，仅展示了核心类的部分代码。

2、算法及代码的研读很细，例子很好，但是讲解的很宽泛，可以将论文中的数学公式提炼一下。

3、热门方向要多关注前沿工作，结合现阶段的方向发展，才能对论文做出更好的总结。

第三位报告人：【吴志锋】

报告题目：【REDSAGE：一个通用的网络安全大语言模型】

点评老师的意见与建议：

1、无额外验证手段仍可能存在误差并影响后训练微调效果，这套完整开源的增强对话训练流水线可迁移至其他垂直领域。

2、论文汇报需强化设计动机，实验部分不必面面俱到，可略讲通用性内容，重点突出网安领域的能力表现亮点。

3、报告方法与实验讲解清晰，可补充模型工具类实验问题的思考与解决思路，增强报告启发性并为后续研究提供方向。

第四位报告人：【杨智】

报告题目：【LEGION：面向合成图像检测的定位与解释学习】

点评老师的意见与建议：

1、需进一步突出 LEGION 相较现有方法的实质创新，讲清检测、定位与解释任务之间的关系。

2、应加强实验论证，通过公平对比和消融实验，明确各模块对检测与定位性能的实际贡献。

3、需进一步讨论定位与解释结果的可靠性，说明可见瑕疵区域与真实伪造证据之间的对应关系。

第七组

第一位报告人：【何玉珍】

报告题目：【图漂移下基于混合专家模型的增强型加密恶意流量检测】

点评老师的意见与建议：

1、门控的有效性仍需论证，可能只是拟合了训练集，并未真正学会应对图漂移。若两个专家同时出错，模型如何兜底，尚需说明。

2、架构图未画出图构建与特征提取，重绘后应说明修改逻辑，基线介绍应与对比算法对应。F1轨迹图也缺真实漂移基准。

3、仅凭流统计与节点度判断漂移并不充分，波动也可能来自昼夜周期，目前只做有或无的判断，未量化程度，也缺真实流量验证。

4、创新性稍弱，数据增强未按漂移程度区分，建图仅用流统计与节点度，还可挖掘更多流与边属性。

第二位报告人：【卢远洋】

报告题目：【基于大语言模型工作流挖掘常识冲突的虚假信息检测】

点评老师的意见与建议：

1、研究拆分多子任务的设计思路合理，充分发挥大模型信息抽取优势，规避其直接常识判别的短板。

2、可拓展常识关系数据集，引入时间、因果事件集，结合多维度特征进一步强化检测增强效果。

3、现有实验基于中小模型开展，在超大参数模型上方法效果会减弱，框架实际应用场景存在局限。

4、研究核心贡献集中在自建数据集，框架缺少自研基础模型，后续可向工程化、场景简化方向优化。

第三位报告人：【姚俊棉】

报告题目：【BPF-DAG：基于动态赋权图的字节-数据包流特征融合方法，用于可靠加密流量分类】

点评老师的意见与建议：

1、论文的学习要注意实验结果是否偏向于模型本身，实验的样本比例并不意味着实际样本的大小，遇到样本比例要理性思考

2、这篇论文本身的创新点较少，其中的方法不够新颖突出，例如记忆库技术与多粒度融合技术，因此学习需要认真思考分析方法论，不仅学习这篇文献，也要认真了解前沿技术

3、对于论文的学习，不仅分析其中优点，也要看到缺点。从而思考对自己的学习方向是否有帮助，这篇论文创新点不够新颖，但有存在诸如动态更新属性等可以思考加以拓展的点。

第四位报告人：【尹洁】

报告题目：【神经网络密码】

点评老师的意见与建议：

1、汇报中未清晰说明本篇论文的研究动机，没有讲清该研究旨在解决的现有问题，同时对论文方法对应的实际应用场景介绍较为欠缺，需要补充完善。

2、论文模型采用基于ReLU激活函数的深度神经网络，汇报过程中未对激活函数的选择依据进行说明，可进一步思考、探讨替换为其他激活函数后的模型效果与性能差异。

3、对论文的主要创新内容讲解不够透彻，重点逻辑阐述不清晰。需要重点梳理和讲清楚论文的前后清洗逻辑、掩码逻辑，同时解释模型最终输出阶段仍需进行清洗操作的原因，突出论文核心创新价值。

4、整体讲解过于细碎、细节堆砌过多，未建立整体框架，导致不熟悉该领域的听众难以理解。后续汇报应先介绍论文整体研究思路与框架，再结合个人理解展开细节阐述，做到由整体到局部、逻辑清晰、层层递进。

第八组

第一位报告人：【宁苗】

报告题目：【GuardAgent：通过知识驱动推理保护大语言模型智能体】

点评老师的意见与建议：

1、选题前沿实用，但安全请求与规则内涵较抽象，应结合医疗隐私、成人购售限制等实例阐明，增强研究动机与说服力。

2、相关工作仅罗列论文题目，难以直观看出与本文方法的差异，建议以对比表格形式呈现，突出创新点。

3、自建评测数据集难以公平横向比较，应依托公开基准数据集验证方法，提升结论可信度。

4、安全规则间可能冲突，需分层消解并确定优先级；代码生成需加强验证与反思迭代，并预定义安全策略、实现工具箱自动化与审计。

第二位报告人：【苏癸湘】

报告题目：【局部独立消息驱动的任意内容水印】

点评老师的意见与建议：

1、汇报要讲清楚基础概念和应用场景，可以从水印的基本模型出发，说明水印和隐写术的区别，以及要先明确好文章的主要应用场景，再结合场景解释鲁棒性、透明性和容量之间的取舍。

2、应更明确地讲出论文要解决的核心问题，始终以主线统领全局,不能让某个实验的细节盖过整个论文的主线，实验展示上，要聚焦在最能支撑核心贡献的内容上

3、不仅关注水印检测与溯源效果，还要分析计算开销和推理延迟，验证复杂攻击、不同图像类型及分辨率下的鲁棒性与泛化能力，判断是否适合实时处理和终端部署。

方老师点评：

1、对论文理解比较清楚，细节掌握较好,但细节讲的较多，容易淹没主线，可以先讲清核心机制，再展开细节。

2、要带着质疑阅读论文，关注方法成立的条件、实际代价和适用局限。进一步考察模型更新后的旧水印兼容性、水印与有损压缩之间的取舍、存储开销，从这些待验证的问题中寻找研究方向。

第三位报告人：【许辉彬】

报告题目：【在动态网络条件下训练鲁棒分类器以对加密流量进行分类】

点评老师的意见与建议：

1、训练开销较大：多任务联合训练计算成本较高，训练时间明显增加，对模型频繁更新和在线部署存在一定限制。

2、任务覆盖存在局限：随机划分任务依赖训练数据的多样性，难以充分覆盖真实网络中的复杂条件组合。

3、泛化能力仍需验证：训练数据覆盖有限，对未知网络环境、协议变化及新型流量的泛化能力仍缺乏充分验证。

4、数据增强存在风险：人为构造的数据可能偏离真实流量，存在“自己出题、自己答题”问题，需保证增强数据的真实性与有效性。

第四位报告人：【朱晏莹】

报告题目：【更高效、更全面的查询历史k-Cores】

点评老师的意见与建议：

1、老师建议在问题定义这一方面写的具体一点，比如时态图定义等等。

2、老师提出思路，可以从自顶向上收敛算法这一角度探究边删除问题。

3、老师建议将研究方法、本文方法和实验结果三者串联在一起汇报，提升报告连贯性。

第九组

第一位报告人：【郭峻豪】

报告题目：【CollisionRepaiR：智能合约存储碰撞漏洞的应急防护与自动补丁】

点评老师的意见与建议：

1、先讲清已有方法有哪些不足、还面临哪些问题，再介绍论文的创新点，让大家明白为什么要做这项研究。

2、结合具体代码，讲清代理合约、逻辑合约和继承关系，说明存储冲突是怎么发生的、会带来什么后果。

3、抓住核心算法，讲清补丁如何生成、验证和部署。建议自己跑通一个例子，核对字节码和执行流程。

4、找出方法中还需要人工判断的地方，看看能否总结出规律，减少人工参与，进一步提高自动化程度。

方老师点评：

1、先用一两句话讲清论文的主要思路，说明怎样通过历史交易重放和所有权检查发现存储冲突，再讲细节。

2、审视存储所有权持续占用的合理性，明确字节级冲突判定方式，分析历史环境变化对交易重放的影响。

3、考虑补丁回滚期间会不会被攻击，检查插桩对外部调用等执行路径的覆盖情况，明确方案的适用条件与局限。

4、实验表格要说明问题，不能只报数字。要弄清统计口径，对异常数据给出合理说明。

第二位报告人：【彭柏润】

报告题目：【使用规范化流的网络流量中可解释的异常检测】

点评老师的意见与建议：

1、论文汇报需提炼核心技术，重点讲清Normalizing Flows概率变换做异常检测、Shapley Value计算两个核心技术原理。

2、报告开篇部分内容组织凌乱，要明确阐述论文创新点，说明Normalizing Flows方法的新颖之处。

3、PPT需补充Z值、Shapley Value核心公式，解释公式含义与作用，讲清仅用正常样本检测异常的反向逻辑。

4、可拓展反向应用实验，探究方法将异常判为正常、正常判为异常的效果，评估该方法的鲁棒性。

第三位报告人：【秦永馨】

报告题目：【ScatterAD面向时间序列异常检测的时序–拓扑散射机制】

点评老师的意见与建议：

1、提问老师：论文核心假设通用性不高，建议做多工况动态散射中心、或用子模块单独处理某种异常，提升模型通用性。

2、副点评老师：避免将三个损失函数平铺直叙，主要突出散射核心即可，其他可以弱化；还需要针对散射部分增加变体实验，可以作为未来研究方向。

3、主点评老师：背景先聚焦在多变量时间序列，再从时刻的角度做切面，刻画不同变量的表示，再由浅入深，避免对文中其他关联性不强的信息带偏。

第四位报告人：【郑禧敏】

报告题目：【SemanticLog：面向有效且高效的大规模语义日志解析】

点评老师的意见与建议：

1、刘亚萍老师建议进一步核实并讲清SemPerception模块的处理机制，包括日志Token与子词的划分方式、何时进行子词特征聚合，以及代码中是否存在长Token长度阈值或其他判别规则。

2、副点评张鹏老师指出，EffiParsingTree缺少错误反馈与纠正机制的说明：如果模型首次解析错误并将结果写入缓存，后续同类日志可能持续复用错误结果。应重点说明树中更新的具体内容，并讨论结果校验、负反馈和人工纠错机制。

3、主点评李凤华教授建议重新梳理汇报的叙事顺序，适当压缩基础的自动日志解析内容，重点说明语义解析解决什么问题，并按照“语法方法—深度学习方法—在线大模型方法—本文SemanticLog”的技术演进路线展开，突出本文方法与已有工作的区别。

4、主点评李凤华教授强调应准确表述论文的隐私优势。开源模型本地运行只是避免将日志上传至第三方API、降低数据外泄风险，并不代表SemanticLog内置了加密或其他隐私保护算法，汇报时应区分本地部署与隐私加固。

整理：翁泓宇 陈奕同 邝文新 陈锡共 于志远 姚策

校对：王乐老师 鲁辉老师

责任编辑：鲁辉老师