图学习研讨会（LOGS）公众号会不定期地举行图学习相关的研讨会，邀请相关领域的专家，一线科研人员和顶会论文作者进行分享，希望能够给大家提供一个相互交流，研讨，和学习的平台。这一期我们邀请到了来自复旦大学青年副研究员许嘉蓉，她将为我们带来一期基于基于图数据的鲁棒机器学习。
报告 时间 | 2022年9月4日 (星期日) 15:00 (北京时间) |
主 题 | 基于图数据的鲁棒机器学习 |
报告嘉宾 |
许嘉蓉（复旦大学） |
主持人 | 刘泽民（新加坡国立大学） |
近年来，虽然研究人员在基于图（网络）数据的机器学习模型上已取得长足进展，但由于图数据中节点之间存在复杂的关联性，图模型很容易被图数据中的微小扰动所欺骗。针对图数据中的噪声和恶意攻击带来的潜在威胁，现有工作往往假设攻击者知道目标模型的信息，而防御者知道攻击者要攻击哪个模型，与现实情况有较大差距，难以应用。本次报告从更实际场景出发，探究攻防的“矛”与“盾”。在攻击层面，即使攻击者不知道目标模型的任何信息，依然能够实施有效攻击；在防御层面，只需要训练一个无监督的鲁棒图编码器，就能够有效防范网络对抗攻击在各种下游任务中的风险。许嘉蓉，博士，复旦大学青年副研究员。2021年毕业于浙江大学，2019年访问加州大学洛杉矶分校。主要研究方向包括网络表示学习、社交网络分析、数据挖掘，相关研究发表在KDD、NeurIPS 、AAAI、IJCAI、TKDE、TKDD等学术会议和期刊上。担任KDD、AAAI、WSDM等国际学术会议程序委员会委员，TKDE等期刊审稿人。
