北京交通大学计算机科学与技术学院教授，国家高层次青年人才基金获得者。主要研究方向为人脸图像视频的生成与编辑，以及序列模型架构研究。 在IEEE Trans.和CCF A类会议和期刊上发表论文40余篇，担任ICIP、ICMR等国际会议的Area Chiar，曾获ACM MultiMeida最佳论文提名奖，ICCV 优博奖，和意大利计算机视觉模式识别和机器学习协会优博奖等。

报告题目：数字人脸生成与可控编辑

报告摘要：当前，数字人脸生成与可控编辑技术在学术研究和实际应用中取得了显著进展。基于2D和3D的人脸生成算法提供了多种解决方案。2D人脸生成算法主要依赖于基于深度学习的图像生成模型，能够生成高分辨率、细节丰富的图像。3D人脸生成算法则通过三维建模技术，精确捕捉人脸的几何结构和动态表情，实现更加逼真的效果。结合2D和3D方法，研究人员能够生成和编辑具有高度真实感的人脸图像，进行多维度的调整如表情姿态等。随着算法和计算能力的不断提升，数字人脸生成与编辑技术在虚拟现实、影视制作和社交媒体等领域展示出广阔的应用前景。本报告将介绍最新的研究进展，探讨2D和3D人脸生成算法与编辑方法的融合应用及其未来发展方向。

188体育app官网：获新加坡南洋理工大学博士学位，现任香港城市大学电气工程系助理教授，研究方向包括人工智能安全、多媒体取证与迁移学习。曾获2019年瓦伦堡-南大校长博士后奖学金、2019年博士创新奖、2020年VCIP最佳论文奖、2022年度"AI+X"中国50位35岁以下青年精英学者称号，连续三年（2022-2024）入选斯坦福大学"全球前2%顶尖科学家"榜单。现任《IEEE信息取证与安全汇刊》副主编、《机器学习研究汇刊》执行编辑，担任NeurIPS 2024-2025领域主席及ICASSP 2024程序委员。

报告题目：基于可解释人工智能与大语言模型的虚假信息鲁棒检测技术进展

报告摘要：多模态虚假信息是指通过文本、图像等多种渠道传播的虚假内容。此类信息在社交媒体平台上尤为猖獗，因其制作成本低且能快速触达海量受众。现有检测方法普遍存在鲁棒性不足、可解释性欠缺等问题，而这些特性恰恰是人工智能系统成功应用于虚假信息检测实践的关键要素。本次演讲将系统介绍若干基于深度学习的新型解决方案。所提出的方法植根于两大基础研究：通过神经符号算法设计的可解释人工智能，以及大语言模型（LLM）技术。此外，我将深入探讨多模态虚假信息检测在泛化能力与可迁移性方面的未来研究方向。

中科院自动化所多模态人工智能系统全国重点实验室研究员，IAPR/IEEE Fellow。从事人工智能、模式识别和计算机视觉研究。承担国家青年科学基金ABC类以及北京杰出青年科学基金等项目。在本领域国际主流期刊TPAMI和IJCV上发表论文23篇，第一作者11篇论文引用过百；研究工作获CAAI技术发明一等奖、CSIG自然科学一等奖、北京市科技进步二等奖等。指导学生获得IEEE SPS最佳青年论文奖、ICPR最佳科学论文奖、北京市优秀博士论文、中科院优秀博士论文、IEEE生物特征理事会优秀博士论文。曾/现任IEEE TIFS副主编、TIP资深编委、TPAMI\TCSVT\TBIOM\IJCV\PR\TMLR和自动化学报等国内外期刊编委，以及NIPS\ICML\ICCV\CVPR\ECCV\ICLR\AAAI\IJCAI等会议领域主席。

报告题目：生成式人工智能安全

摘要：生成式人工智能通过机器学习从数据中学习特征并生成全新数据，标志着AI从感知世界向创造世界的跃迁。然而，随着生成式人工智能的快速发展，网络攻击、虚假信息传播等安全问题日益凸显，为网络空间安全带来了新的挑战。本报告将介绍针对生成式人工智能系统的多模态内容检测与安全的研究现状，重点讨论高风险领域生成式人工智能系统生成内容的安全隐患、检测评价指标体系以及生成内容全生命周期的生成、鉴别与取证技术等。

四川大学网络空间安全学院副教授、硕导，CSIG数字媒体取证与安全专委会委员。主要研究方向为多媒体取证、信息隐藏。以第一/通讯作者发表包括IEEE TIFS在内的高质量学术论文30余篇，先后主持或参与多项国家自然科学基金项目、重点研发计划青年科学家项目、中国博士后科学基金面上资助等。

报告题目：面向开放集深度伪造的检测技术研究进展与思考

摘要：近年来，深度伪造技术已表现出显著的多样性和持续迭代等特点。当前深度伪造检测技术多聚焦于从封闭数据集中构造泛化的二分类检测模型，仍存在对开放集深度伪造的检测局限。本报告主要介绍，针对现有深伪检测模型的硬标签依赖、人物身份可知场景下的身份一致性分析易受干扰、以及可扩展深伪检测中新旧任务的域偏移和知识遗忘等问题，课题组近期开展的一系列工作，以及对未来本领域研究难题的思考。

东南大学青年首席教授，国家青年高层次人才（国家级四青人才）。现任东南大学网络空间安全学院智能安全系主任、区块链应用与监管教育部工程研究中心副主任，曾任东南大学网络空间安全学院教师支部书记。先后在美国罗格斯大学和密西根大学从事研究工作。目前主要从事模式识别、机器学习、图像处理、计算机视觉及人工智能安全等方面的研究，更具体来说，主要包括生成式人工智能、对抗攻击和防御、自监督学习、哈希学习、图像复原等。

报告题目：人工智能安全

摘要：报告介绍课题组在人工智能安全方向的研究，涵盖对抗攻击与防御、生成式人工智能、图像复原与自监督学习等方面。针对水下图像与雾霾图像，我们提出多种图像增强算法并开展综述研究。在生成式AI方面，探索其在图像复原、视觉问答与文本生成中的应用，并进行理论与算法层面调研。我们还研究了图像增强模型的对抗鲁棒性，提出快速对抗训练的改进方法。在自监督学习方面，改进对比学习与掩码建模范式，提升语义理解能力。

香港浸会大学计算机科学系助理教授。博士毕业于新加坡南洋理工大学（Nanyang Technological University, Singapore），曾获南洋校长博士后基金（Presidential Postdoctoral Fellowship), ICCV 2019 最佳审稿人奖以及 VCIP 2020 最佳论文奖，在 PAMI/IJCV/CVPR/NIPS/TIFS/ICCV 等顶级期刊或会议上发表多篇论文。

报告题目：数字水印技术在新兴三维表征中的应用与进展

摘要：神经辐射场(NeRF)和三维高斯散射(3D Gaussian Splatting)作为新兴的三维表征技术，其快速发展带来了数字资产版权保护的迫切需求。针对这一挑战，一系列创新性的水印技术方案已被提出。CopyRNeRF通过设计新型色彩表征机制，首次实现了NeRF模型的版权保护。这一基础工作随后拓展为NeRFProtector框架，实现了水印的即插即用嵌入。为应对NeRF模型在实际应用中的重着色问题，GeometrySticker方法创新性地将水印信息嵌入几何特征，保证了重着色后的版权追踪能力。进一步地，基于码本的NeRF Signature方案在水印的不可感知性和鲁棒性方面取得了显著提升。随着三维高斯散射技术的兴起，基于不确定性的GaussianMarker方法扩展了水印技术的应用范围。同时，Geometry Cloak通过巧妙的几何扰动设计，有效防止了受保护图像的未授权三维重建。这些技术进展不仅丰富了数字水印的应用场景，也为新兴三维表征的版权保护提供了全面的技术支撑。

博士，深圳大学副教授，IEEE/CCF/CSIG高级会员。本科与博士分别毕业于中山大学、新加坡南洋理工大学。在IEEE Trans. 系列汇刊与CCF A类会议发表高水平学术论文20余篇，主持国家自然科学基金面上项目等3项。获得2022年教育部优秀成果奖（科学技术）“自然科学奖-二等奖”、2024年中国图象图形学会自然科学奖-二等奖、2024年广东省计算机学会优秀论文奖一等奖、2024 ICME最佳论文提名奖。现任IEEE TIFS编委，2024及2025年PRCV领域主席。

报告题目：基于底层失真模型的文档图像安全研究

摘要：随着AIGC工具的普及，文档图像面临更加隐蔽、低成本的篡改威胁，传统取证方法的有效性持续受到挑战。本报告聚焦翻拍场景下文档图像的安全问题，基于底层成像失真机理，提出面向色度伪影、摩尔纹失真与半色调噪声特征的统一建模与特征设计策略，结合频域增强与参数高效微调方法，系统提升文档图像在翻拍与篡改攻击下的检测与定位性能。研究强调结合设备失真理解与深度模型优化，打造具有可解释性与鲁棒性的文档图像安全技术。