讲座题目：面向无人场景融合偏振的对抗攻击 主讲人：温蜜 教授 主持人👩❤️💋👨：曾鹏 开始时间💂🏽♀️🈳：2020-11-15 08:30:00 讲座地址：理科大楼B1202 主办单位🐶：软件工程学院
报告人简介： 温蜜，女🥽，博士，教授，博导🫧🔁，上海电力大学计算机科学与技术学院院长🫎，上海市人才发展基金获得者。目前担任欧美同学会上海电力学院分会副会长兼秘书长，上海市计算机学会理事🤦🏿、上海市青工委副主任、上海市信息安全专委会副主任👨👨👦； PPNA副主编，IEEEINFOCOM, ICC, GLOBECOM等国际会议TPC成员👨🚀。 研究方向是🧚🏻：电力大数据、人工智能与网络安全👨🏼🍳👈、智能电网监测与无线传感器等。主讲《应用密码学》➰👨🏻🚀、《网络程序设计C#》、《智能电网导论》等多门专业核心课程，并指导多组学生参加上海市科研创新项目。主持了包括教育部留学回国科研启动基金、国家自然科学基金在内的10余项国家及省部级课题；获得上海市科技进步奖2项😆。先后在IEEE TETC👩🏻、TVT、TIFS🧚🏻♀️、IOT 🪦、IEEE INFOCOM🦸🏽♂️、ICC等国际著名学术期刊和会议上发表论文60余篇；撰写学术著作2部；申请国家发明专利多项。曾被评选为上海电力学院学术骨干教师、科研新星、三八红旗手等。
报告内容： 随着人工智能的兴起，无人驾驶汽车的出现可以缓解交通拥堵，降低交通事故的风险𓀁，其中图像识别已成为其关键技术之一。然而🐐，随着对抗样本概念的出现，许多工作已经证明了在场景识别领域🧎🏻♂️➡️，对抗样本的存在具有巨大的隐患。目前，在无人驾驶场景识别中😪，因为偏振图像可以非常可靠地描述物体的重要物理特性🛠，因此已经被广泛使用。但是，大多数对抗样本的研究都是基于RGB图像🧑🎨，很少有人研究基于偏振图像⛹🏻♂️。因此，我们提出了面向无人场景融合偏振的对抗攻击。在理论上👩🏼🦲，我们分析了偏振图像比RGB图像对对抗样本攻击的效果更好。同时，我们通过生成对抗样本攻击场景识别分类模型来评估所提出模型的性能🔱。实验结果表明，与RGB图像相比🦀，偏振图像不易受到攻击，对抗鲁棒性的效果更好🦸🏽，由此可以提高无人驾驶场景的安全性😣，并且可以将对抗样本的攻击成功率最多降低9.4％👩🏽🎤。 |
