随着大数据及大计算能力的时代到来,深度学习技术已经成为当前人工智能领域的一个研究热点,并在很多领域(图像、语音、自然语言处理、推荐搜素等)展现出了巨大的优势。
对很多人来说,安全领域可能比较陌生,但它和每个人息息相关。为了有效地控制风险,节约成本,同时兼顾用户体验,阿里根据安全业务场景的特征,将AI技术运用到了安全领域,提升了整体风险防控能力。本周,阿里技术直播间再次亮灯,开启AI与安全的探索。
3月20日(周三)晚19:30,咱们一起聊聊“AI与安全:数字时代下的机遇与挑战”,欢迎收看。
直播参与方式:
直接观看:扫描上方图片二维码,或点击本文末尾的“阅读原文”,在浏览器中(记住!一定要用浏览器打开,手机或PC均可)打开直播链接,收藏起来,定好闹钟,3月20日(周三)准时观看。
钉钉群观看:使用“钉钉”搜索交流群号 21933455,加入AI与安全技术交流群,既可到时观看直播,也可与嘉宾、行业同仁互动探讨。
主播介绍:
越丰,阿里巴巴算法专家,主要从事面向安全领域的AI算法研究,课题包括多模态特征融合与检索、对抗样本、迁移学习等,他的研究成果应用于内容安全、知识产权和AI安全等产品中。加入阿里前曾就职于百度深度学习研究院从事视觉算法研究。
为易,阿里巴巴高级算法工程师,在阿里图灵实验室从事相关安全领域的AI算法研究,包括视频建模分析、小样本学习、OCR、人脸识别等相关算法。
直播亮点:
本次直播,我们将重点介绍安全领域的特色以及挑战。
多模态风险:我们要监控的数据包含图像、文本、视频等非结构化的数据,如何融合各种信息进行综合防控,这是我们面对的挑战之一。
小样本问题:同时我们能收集到的风险的样本很少,但是深度学习往往需要大量的数据,才能获得比较好的模型。如果利用很少的数据训练得到较好的模型,这也是我们面临的难题。
对抗防御:安全场景一个重要的特点就是存在很强的对抗性,这也是安全问题长期以来很难解决的一个主因。日常防控中,黑产会尝试使用各种不同方法绕过、或者攻击我们部署的系统。
针对这些问题,我们将在直播中介绍多模态融合、小样本学习、领域迁移、视频graph建模等AI技术,通过这些技术提升我们的风险防控能力。
多模态融合: 我们将图像和文本特征在图像的空间域和文本做细粒度融合、以及全局上Bilinear Poolilng融合技术,取得了不错的效果。
小样本学习:我们通过优化的task condition结合的few shot learning,达到在少量样本情况下覆盖这些长尾风险
领域迁移:我们将attention机制引入cycleGAN上,将少量场景transfer到通用场景上,提升模型通用性。
视频graph建模:我们使用创新的GCN来对视频进行Graph建模,提升了视频理解分析能力。
对 AI 安全感兴趣的同学,欢迎加入“AI 安全”技术交流群,看直播,与智能安全团队直接交流!
此外,我们今年联合天池和IJCAI-2019大会,举办了IJCAI-19 阿里巴巴人工智能对抗算法竞赛,希望能够推动AI安全的发展。同时,我们还会在IJCAI-2019上举办首届AI for business security的workshop。欢迎大家投稿和参会。
活动官网:https://security.alibaba.com/alibs2019
你可能还喜欢
点击下方图片即可阅读