4月7日上午，泰山学堂于中心校区数学楼309举行第十七期“泰山学子讲堂”学术报告会。泰山学堂2012级计算机取向毕业生张景锋作题为《Adversarial Learning: Foundations and Applications》的报告。
本次报告的内容是关于对抗性攻击和训练的基础和应用，包括对抗性攻击、训练的背景知识以及深度图像去噪器的相关案例研究。张景锋首先解释了对抗性数据的构造原理和机器学习模型容易受到对抗性攻击的原因。为了增强模型的鲁棒性，他引入了对抗性学习（AT）概念，介绍了对抗性训练的目的和实现，解释了对抗学习鲁棒性的应用。之后，张景锋介绍了图像去噪技术，指出深度图像去噪器（DID）在面对零对抗均值时的漏洞。同时，他以问题为导向，介绍了混合对抗训练（HAT）的学习目标和实现，以及它在提高模型鲁棒性方面的优势。
最后，张景锋分享了个人多年以来的海外留学经验与交流经历，为计算机取向学生提供了学术与生活上的指导，为他们未来的学习与科研指明了方向。
“泰山学子讲堂”是学堂邀请优秀毕业生返回母校为学弟学妹们介绍成长历程与科研经验的一项学术活动，是学堂“家文化”的重要载体。它就像一条纽带，将毕业生与在校生紧紧联系到一起，将学堂人的精神与温度一代代地传承下去，成为学堂人生生不息的力量源泉，为培养新时代科研领域的领军人才打下坚实的基础。
Jingfeng Zhang is a research scientist at the "Imperfect Information Learning Team" in RIKEN-AIP. Before RIKEN-AIP, he obtained his Ph.D. degree (in 2020) at the School of Computing at the National University of Singapore. He obtained his Bachelor's degree from Taishan College in Shandong University (in 2016). He is the PI of multiple grants and a recipient of the RIKEN Ohbu Award 2021.He serves as an associate editor for IEEE Transactions on Artificial Intelligence and long-standing reviewer for prestigious ML conferences such as ICLR, ICML, NeurIPS, etc.
