2026年11月12日 18:00—21:30,第238期方班学术研讨厅在广州大学黄埔研究生院举行。研讨厅分为教学2班至教学9班八个小组。主点评老师有吴枫院士、云晓春院士、吴世忠院士、杨义先教授、黑新宏教授、李建华教授、许进教授;副点评老师有卢璨、陈艳利、吴昊天、唐可可、潘梓彬、欧阳典、张登辉、张鹏。各位老师围绕同学们的报告进行了指导点评。
教学2班汇报的同学有陈晓敏、李聪、王震、杨强顺;教学3班有李萍、李卓凡、魏紫旋、张玙璠;教学4班有陈勇良、李雪梅、戴志伟;教学5班有张琦、葛品毅、龚博翔、王浩龙;教学6班有于佳慧、赖震、卢金荣、陈璨;教学7班有谢海艳、曹雅淇、赖骐林、黄毓恒;教学8班有王天骄、赵一桓、熊志乾、邹博雅;教学9班有张飞、张淏翔、李阳、许将鑫。
第一组
第一位报告人:【陈晓敏】
报告题目:【面向长期运行渗透测试智能体的上下文中继】
点评老师的意见与建议:
1、分享开篇可以补充论文的发表来源、发表年份,方便听众了解同期研究环境与背景。
2、在背景和挑战介绍完成之后,要明确说明该研究的具体工作目标,说明研究侧重提升检测效率或是控制成本。
3、讲解不能只梳理流程、解释名词,需要拔高讲解视角,挖掘方案底层设计逻辑,分析选择引入交接agent而不是直接做摘要的创新考量。
第二位报告人:【李聪】
报告题目:【通过智能上下文扭曲规避入侵检测器】
点评老师的意见与建议:
1、汇报对Contorter各模块的流程梳理清晰,建议进一步阐明上下文扭曲能够绕过多类溯源图检测器的内在机理。
2、实验分析应关注黑盒与白盒设置、不同数据集结果之间的差异,避免只罗列数据而缺少原因分析。
3、建议从防御角度思考,检测端如何识别被刻意插入的良性上下文,并结合自身方向寻找研究切入点。
4、对论文局限性的讨论可更具体,如攻击对检测器先验知识的依赖程度及在真实系统中的可行性。
第三位报告人:【王震】
报告题目:【FEC-OSL】
点评老师的意见与建议:
1、讲方法先搭整体框架,按"特征表征—能量判别—已知/未知分流"逐层展开,模块职责清晰。
2、对比Softmax与能量后,归纳两者相对排序与分布敏感性的差异;实验聚焦关键几项,次要内容概述即可。
3、辨析开放场景下"未知类"与"其他类"的区别,思考未知样本潜在结构的可归纳性。
第四位报告人:【杨强顺】
报告题目:【面向基于大语言模型的生产级网络故障定位】
点评老师的意见与建议:
1、汇报里用到的核心痛点数据来自论文原文,这类数据能够有效论证研究问题的现实价值,汇报讲解阶段不宜直接省略。
2、两阶段三管线框架需要补充机制说明,经第一阶段筛除的样本不会进入第二阶段开展后续分析推理。
3、可以类比搜索领域粗排、精排的逻辑来解释这套两阶段框架,降低听众理解方案原理的难度。
4、这套框架拥有良好扩展性,不局限论文自带实现方案,还可以引入其他相关策略进行优化迭代。
第二组
第一位报告人:【李萍】
报告题目:【用于医学图像分割的邻域自差异注意力】
点评老师的意见与建议:
1、可验证NSDA模块通用性,尝试嵌入更多分割模型与多模态医学大模型,在CT、MRI等多类医学影像开展测试。
2、调研拉普拉斯核、t核等多种核函数,对比不同核函数在各类医学图像上表征相似度与差异性的效果。
3、可探究将人体解剖先验知识、物理建模思路引入医学图像分割任务,分析引入带来的影响与实现方案。
第二位报告人:【李卓凡】
报告题目:【真实篡改场景下的图像篡改定位再思考】
点评老师的意见与建议:
1、老师以真实生活中的篡改案例进行引导,对真实案例中丢失的线索进行进一步探讨,是否所有的篡改场景都具有顺序性以及层级性?如果说丢掉顺序性以及层级性你觉得整个框架会发生什么变化?
2、进一步讨论了本文的数据集构成问题,是在CASIAV2的真实图像上进行多补复制移动?还是在已有的篡改基础上再进行复制移动篡改?并探讨了未来可能的方向。
3、ppt做的很好,汇报也很流畅,下一步可以进一步探索模型的提升是来源于过程建模中的时间过程建模还是过程层面的建模?
第三位报告人:【魏紫旋】
报告题目:【Light2Lie:使用物理反射定律检测深度伪造图像】
点评老师的意见与建议:
1. 我需要重构汇报逻辑,适当调整ppt的汇报顺序,进一步简化公式排布,突出核心公式。
2. 补充消融实验,其中重点分析去除视觉分支后物理特征指标下降原因,明确 GGX反射线索的适用场景。
3. 主点评老师肯定了讲反射规律引入深度图像检测的方向,不过他建议要多参考图形渲染这一方面的相关知识,多去思考将反射的诸多成因。
第四位报告人:【张玙璠】
报告题目:【ClusterMark:面向自回归图像生成器的鲁棒水印技术——基于视觉Token聚类方法】
点评老师的意见与建议:
1、原始的token和被扰动的token方面,对水印或者视觉有没有什么影响?当cluster内部的token发生跳变导致观感不好是否能够认为水印是有效的?
2、你讲的挺流畅的,但是讲的节奏有点快。但是ppt建议优化一下,有点太简单,不过ppt的动画做的很好,观感很好。
3、文章尚且存在贡献不足的情况,本文的主要贡献在于基于KGW的水印加入cluster的方法,未来建议可以加入攻防场景进行。
第三组
第一位报告人:【陈勇良】
报告题目:【Synecdoche:通过直接数据包序列模式匹配实现高效且精确的网络内流量分类】
点评老师的意见与建议:
1、结合实际协议交互说明包长和方向如何构成关键片段,并解释交换机资源约束下采用查表匹配的原因。
2、突出一维卷积神经网络结合 Grad-CAM 提取关键片段的创新,检验加密、填充和重传对分类的影响。
3、关注训练数据的多样性和代表性,在真实网络中验证规则的泛化能力。
4、说明关键片段为何限定为 2 至 4 个包、评分阈值如何确定,并探索从数据中学习这些参数。
第二位报告人:【李雪梅】
报告题目:【Warning-Graph:基于威胁情报建模的 APT 攻击早期预警框架】
点评老师的意见与建议:
1、研究定位宜由“早期预警”调整为“情报不完备条件下的APT组织识别与溯源”。应增设分阶段对比实验,验证识别时点更早。
2、实验采用静态报告与静态组织标签,缺乏动态验证。
3、建议选取具体案例,完整呈现异构图构建过程。阐明IP、域名、哈希、报告四类节点及三类关联边的连接关系与信息传递机制。
4、应阐明非对称双编码器与信息瓶颈相较数据增强的优势。还需分析图池化的信息损失及其影响。
第三位报告人:【戴志伟】
报告题目【RENNERVATE-注意力机制即可防御大语言模型中的间接提示注入攻击】
点评老师的意见与建议:
1.专业术语(如IPI、ASR)首次出现应标注中英文全称,表述需规范。威胁模型(攻防边界与假设)属于研究前提,应在方案前提前讲清。需明确解释“对抗鲁棒性”及“知情攻击者”的概念。建议前置核心实验数据,结合注意力机制原理同步讲解。
2.肯定结合安全与注意力机制解决变种漏报的思路,对文章理解透彻。指出存在误判风险:正常文章举例注入指令时,会因注意力聚焦被误删。建议为每种注入攻击提供具体案例,深入剖析异常注意力的产生机理。
3.补充专业术语全称,前置威胁模型与对抗鲁棒性等核心概念。正视正常文本引用引发的误判风险,完善防御机制与边界分析。针对各类注入攻击补充完整案例,深挖注意力异常机理。
第四位报告人:【黄熙桐】
报告题目:【SIEVE:含索引集合的高效过滤检索】
点评老师的意见与建议:
1、讲解filter ANN为什么困难的时候可以多从观众的角度出发,因为直觉上可能观众会觉得Filter ANN会比ANN更加简单。
2、需要先把问题本身讲清楚,而不是直接讲这篇文章的方法。尤其要说明:为什么 filter 会破坏原 ANN 索引的有效。
3、不要只想着“怎么改进这篇文章”,因为简单改进可能意义不大。更重要的是先看清楚这个问题的本质:这是一个长期存在的 trade-off问题,不可能同时完美兼顾查询效率、过滤支持、索引空间、维护成本和更新成本。
第四组
第一位报告人:【张琦】
报告题目:【AutoPT:我们离完全自动化的 Web 渗透测试还有多远】
点评老师的意见与建议:
1、该选题基于状态机拆分渗透任务,结合摘要传递与规则约束优化大模型自动化渗透,具备良好的工程实现与评估价值。
2、方法存在一定局限,摘要压缩易损失关键信息,且首轮漏洞识别可靠性不足,存在误差传导问题。
3、研究选题较旧,现有实验未做消融对照,难以精准区分各模块带来的性能提升,实验归因有待完善。
第二位报告人:葛品毅
报告题目:TRACE:网络威胁情报报告中的关系分析与因果因素提取
点评老师的意见与建议:
1、标签与因果可靠性:标签由外部映射生成,需人工抽样校验;因果图偏关联,技术顺序依赖CWE层级,难反映真实时间线。
2、相关研究与不足:应明确已有工作缺什么,以引出本文空白;方法勿流水线,少讲双向LSTM公式门控,围绕创新说明解决什么问题。
3、模块与指标:应讲清因果因素、外部知识库构造及各模块分工;区分精确率与图评估指标,不能笼统称因果识别准确率。
4、案例与对比:用一篇CTI报告贯穿原文到标签再到图,讲清技术、弱点、组件关联边及先后;与场景图工作对比,形成流程加根因视角。
第三位报告人:【龚博翔】
报告题目:【Chimera:面向自动内部威胁仿真的多智能体大语言模型框架】
点评老师的意见与建议:
1、可补充真实第三方应用场景实验,验证方案在真实环境下的有效性,区分理想条件与实际场景的结论差异。
2、建议增加多组基线对比实验,完善消融实验设置,更充分证明本方案各模块的必要性。
3、可结合MITRE ATT&CK框架对攻击行为做规范化归类,提升研究成果在安全领域的通用性。
4、建议补充分布偏移下的鲁棒性测试,验证模型在异构内部威胁样本上的泛化能力。
第四位报告人:【王浩龙】
报告题目:【LLMGRAPH:基于大模型与图卷积网络的边缘网络 APT 无标签检测】
汇报情况与个人复盘:
1、汇报按研究场景、方法与实验展开,前后衔接较清楚,讲明了论文的方法及其结果。
2、对关键机制的成因和设计依据解释不足,听众了解了方法如何运行,对其为何这样设计仍可能存疑。
3、论文将大模型与图卷积网络用于边缘网络 APT 检测,研究角度值得肯定;部分实验设置仍需审慎看待。
4、PPT部分表述略显程式化,讲解偶有卡顿;后续应加强独立消化反复试讲。
第五组
第一位报告人:【于佳慧】
报告题目:【基于博弈论的拟态蜜网安全部署方法】
点评老师的意见与建议:
1、该论文实验仅使用最小集合,且对攻击场景和攻防博弈模型都没作更进一步的假设,未涉及多业务交叉场景,存在局限性。
2、汇报应该深入浅出,抓住关键部分讲解。本次汇报堆砌了不少公式,就讲解而言其实更需要把关键概念用易懂的语句表达给观众。
3、传统蜜网在AI时代已属上一代思维,未来的重要方向是利用AI深度伪造技术构建蜜网,实现低成本、高逼真度的AI攻防博弈。
第二位报告人:【赖震】
报告题目:【针对基于机器学习恶意流量检测系统的硬标签黑盒逃逸攻击】
点评老师的意见与建议:
1、载荷不变并不代表攻击效果能够维持,需结合网络时序、超时机制与连接状态验证流量修改的影响。
2、需解释先学习良性流量模型、再进行强化学习的两阶段设计动机,明确其与减少流量修改的关系。
3、消融实验分析尚不充分,需进一步验证各模块对攻击成功率的具体贡献。
4、前言与实验讲解较清晰,但整体框架不够突出;应围绕核心贡献组织讲解,按听众需求精简公式及技术细节。
第3位报告人:【卢金荣】
报告题目:【KnowHow:自动应用高层 CTI知识实现可解释、准确的溯源分析】
点评老师的意见与建议:
1、前言延续 “问题 — 方法 — 创新” 的讲述顺序,便于快速建立整体印象,同时精简页面文字,突出核心结论。
2、方法部分按数据流讲解,逐模块说明输入、处理与输出,讲清数据变化过程,避免只罗列模块组成。
3、保留方法末尾的回顾页,逐项对应各模块的挑战、作用与效果,强化首尾呼应,体现结构完整。
第4位报告人:【陈璨】
报告题目:【Skyra:基于可定位伪造痕迹推理的 AI 生成视频检测】
点评老师的意见与建议:
1、建议探索底层统计特征能否辅助检测无明显伪影的视频,并分析强化学习阶段能否引入更细的监督,约束模型编造定位证据。
2、漏检、误报及真实与生成视频的对照案例讲解清楚。建议用同一视频的多份候选回答演示 GRPO 的打分与模型更新过程。
3、建议简讲主结果表,重点解释移除非对称奖励后召回率升高、准确率和 F1 下降的原因,并在总结中用实验说明论文的核心贡献。
4、建议区分画面是否符合现实与视频是否由 AI 生成,关注生成视频符合物理规律时,基于伪影的检测方法还能否奏效。
第六组
第一位报告人:【谢海艳】
报告题目:【虚假数据注入攻击下分布式状态估计器的脆弱性分析】
点评老师的意见与建议:
1、完善严格脆弱性相关的理论溯源,补齐推导步骤,把理论逻辑梳理扎实,夯实研究的理论根基。
2、增加贴合研究场景的案例,借助实例直观阐释联合隐蔽攻击的作用机理,方便听众理解。
3、引入通信时延这类实际工程约束,分析该攻击方式在真实系统里能不能落地、会受到哪些影响。
4、补充规范参考文献;汇报时明确说明方案适用边界,分清理想仿真条件和实际工程场景的差异。
第二位报告人:【曹雅淇】
报告题目:【面向联邦类增量学习的类均衡数据重放方法】
点评老师的意见与建议:
1、 GDR是在每一轮联邦训练中执行还是在任务结束后执行?第一个任务没有历史样本,回放缓存如何初始化?缓冲大小是多少?
2、 现实联邦是异步场景,不同客户端新类别到达时间不一致,缓存大小固定,会造成类别不均衡的问题,如何处理异步增量场景?
3、 SVD伪特征变换改变特征方向不改变原始数据分布形态;特征向量会泄露类别统计信息,会带来安全问题,后续如何加固?
4、 在PPT里补充联邦类增量重放平衡重放相关研究,说明论文与已有方法的区别及具体改进。
第三位报告人:【赖骐林】
报告题目:【TAIL-Safe:面向模仿学习策略的任务无关安全监控】
点评老师的意见与建议:
1、汇报思路清晰,冻结基础策略的实验验证了安全监测效果,需要明确Q模块位于策略网络与机器人动作执行之间。
2、“任务无关”主要指监测框架及可见性、可辨识性、可抓取性等指标具有通用性,并非具体任务无需重新训练。
3、需进一步明确核心创新在于安全监测与动作修正的结合,而非单纯轨迹比较或安全评分,建议补充与现有方法的对比。
4、安全评分权重、目标位置及相似干扰物判定仍需细化,现有误判率总体可接受,后续应关注复杂任务下的准确性与泛化能力。
第四位报告人:【黄毓恒】
报告题目:【面向工业控制系统节点级异常检测的分层图神经网络消息传递】
点评老师的意见与建议:
1、报告准备充分、表达清晰,对问题与方法优缺点分析全面;但聚合、交换、反馈、更新流程在多页重复,逻辑需再梳理。
2、异常样本稀少,建议尝试无监督的节点嵌入聚类或离群点检测;并可关注时序图神经网络与 Transformer 自注意力机制。
3、方法依赖人工输入的工厂拓扑,部署受现场上下文约束;实验全为攻击样本,若换成设备故障,结论是否成立仍待验证。
第七组
第一位报告人:【王天骄】
报告题目:【STEM: Structure-Tracing Evidence Mining for Knowledge Graphs-Driven RAG】
点评老师的意见与建议:
1、建议加强研究动机分析,明确知识图谱在RAG中的作用,梳理现有方法的局限,并突出STEM各模块的针对性与创新性。
2、建议关注证据子图的完整性与相关性,合理控制检索范围,并研究知识图谱缺失及答案事实核验对模型性能的影响。
3、建议完善实验设计,增加与常规RAG的对比,区分检索质量与答案准确性,并通过消融实验验证整个框架中各模块的实际贡献。
4、建议增加答案生成后的知识图谱核验机制,将生成结果与图谱事实及关系进行匹配,探索反馈迭代机制,提高回答的可靠性。
第二位报告人:【赵一桓】
报告题目:【PANGOLIN:基于LLM驱动代码分析的多语言IoT固件模糊测试】
点评老师的意见与建议:
1、建议完善条件分支下的接口识别机制,区分接口不存在与触发条件未满足的情况,减少误判。
2、应关注测试输入的有效性,分析复杂参数约束及有限验证次数对隐藏接口发现能力的影响。
3、应明确大模型与传统分析方法的分工,结合静态分析、逆向分析和动态测试,提高代码分析结果的可靠性。
4、应突出核心算法及模块间的联系,分析方法在源码不完整场景下的适用性,并通过实验验证其有效性。
第三位报告人:【熊志乾】
报告题目:【大型语言模型能否攻破企业网络?——面向 Active Directory 网络的自主假设入侵渗透测试】
点评老师的意见与建议:
1、对论文理解到位,能讲清论文的实验逻辑。用一套架构比较多个模型,为自主渗透测试评测提供了参考。
2、企业网络与AD网络的特点没讲清楚。建议先讲工具怎么用、权限怎么提升,再讲大模型如何自动化。
3、渗透测试的目标没有说清,黑盒设定下应该说明以拿到高权限账户为目标,以及权限的高低。
4、创新点和贡献不太够,架构不是本文原创,主要是多模型的对比实验,并且攻击面只覆盖一部分,也缺少防御视角。
第四位报告人:邹博雅
报告题目:基于大语言模型多智能体系统的舆论传播仿真
点评老师的意见与建议:
1、选的论文期刊是偏基础的期刊,下次找期刊要找顶会顶刊。
2、这篇论文的实验采用的智能体数量级较低,起码要上千智能体才可以认为是普遍有效的。
3、本文作者提出的四类角色数量较少,无法完全涵盖所有的角色种类。
第八组
第一位报告人:【张飞】
报告题目:【Action-to-Action Flow Matching】
点评老师的意见与建议:
1、补充代表性研究,说明现有方法的局限,以及流匹配在保留多种可行动作和维持动作时序连续性方面的优势。
2、阐明三项损失函数的设计依据,说明各自约束什么,以及为何需要同时使用。
3、在视觉扰动实验之外,加入机械臂动作扰动,并与基线方法对比,更全面地评估模型的鲁棒性。
第二位报告人:张淏翔
报告题目:Graph-KV:通过向大语言模型注入结构偏置来打破序列限制
点评老师的意见与建议:
1、在梳理已有相关工作时,不宜简单罗列一大串方法,建议挑选代表性的经典与前沿工作分开阐述,重点解释清楚原有方案的适用边界。
2、正文目前的内容偏向流程罗列,专业术语密度偏高,可读性不足。
3、相关工作溯源梳理还不够充分,对于研究要解释的核心主体现象,如果搭配具象案例辅助阐释,读者会更容易理解背后逻辑。
第三位报告人:【李阳】
报告题目:【LLMFolder:重新审视大语言模型中的常量折叠】
点评老师的意见与建议:
1、本方法和KV Cache方法有一些相似的地方,可以多去了解,并且这个折叠的想法和KV Cache又有本质的区别。
2、可以多去调研下这个折叠思想有没有已经在用和哪些可以佐证这个折叠方法现在对工业界上做出了进步。
3、本文的组合想法比较独特和新颖,但是背景介绍这一块需要再多去调研。
第四位报告人:【许将鑫】
报告题目:【极端非独立同分布与全局类别不平衡下的类别主动学习】
点评老师的意见与建议:
1、长尾与半监督场景下系统冷启动阶段的模型选择与采样易出现偏差,建议结合实际应用场景的稀缺类别先验共识,探索更稳健的采样优化策略。
2、研究切入点较为细分,建议在背景部分补充联邦主动学习领域的代表性文献,充分铺垫极端非独立同分布与全局类别不平衡问题的研究意义。
3、建议从模式分类与图论的视角审视该问题,将隐私保护视为约束条件,并结合图论中的“核”与点覆盖理论深入理解贪心采样及NP完全问题。
整理:姚策 翁泓宇 陈奕同 邝文新 陈锡共 于志远
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