前不久，國際人工促進協(xié)會(Association for the Advance of Artificial Intelligence)以線上的方式召開了年會。AAAI 是人工智能領域的主要學術組織之一，也是人工智能國際頂級學術會議之一。而信也科技算法智能團隊與浙江大學楊洋副教授團隊、美國加州大學洛杉磯分校(UCLA)孫怡舟教授團隊合作的兩篇論文均被該會議收錄。
AAAI是人工智能領域中歷史最悠久、涵蓋內容最廣泛的國際頂級學術會議之一，也是中國計算機學會(CCF)推薦的人工智能領域A級國際學術會議之一。據(jù)了解，本屆會議收到來自全球的9215篇投稿論文，而接受率僅為15%，創(chuàng)歷史新低。信也科技大數(shù)據(jù)團隊與國內外知名教授合作的兩篇論文被該會議成功收錄，標志著信也科技在人工智能領域的研究進程中取得了重要的階段性成果。
隨著人工智能算法日益廣泛的應用，算法的魯棒性和安全性，受到越來越多的關注，這也是AAAI 2022的熱點議題之一。信也科技本次發(fā)表的兩篇論文正是圍繞圖數(shù)據(jù)的對抗攻擊，兩篇論文分別研究圖對抗攻擊中的“矛”與“盾”：在攻擊層面，研究表明，即使在攻擊者僅知道目標模型是一個圖模型，而沒有任何其他模型信息且無法與模型做任何互動的情況下，依然有可能展開有效的攻擊;在防御層面，研究面向圖模型預訓練框架的無監(jiān)督魯棒表示學習算法，通過一套防御策略便能有效阻斷攻擊者對各個不同下游任務造成的影響。
此次會議中,信也科技在名為《Blindfolded Attackers Still Threatening: Strict Black-Box Adversarial Attacks on Graphs》的論文中展示了其在針對圖模型的嚴格黑盒對抗攻擊中得到的成果，打碎了原有的幻像：只要完美地保護好模型就能攔截住所有類型的攻擊。事實上哪怕攻擊者對模型一無所知，也是有可能發(fā)起有效攻擊的。由信也科技發(fā)表的另外一篇題為《Unsupervised Adversarially Robust Representation Learning on Graphs》中，更將研究視角轉向了面向圖數(shù)據(jù)的無監(jiān)督對抗魯棒表示學習。
本次AAAI收錄的兩篇論文正是信也科技與浙江大學和UCLA在圖算法的魯棒性和安全性領域的合作研究的新成果。信也科技-浙江大學聯(lián)合人工智能研發(fā)中心在過去幾年已經(jīng)陸續(xù)在將圖數(shù)據(jù)和圖認知算法與風控反欺詐業(yè)務結合，圖的預訓練算法，圖的結構學習，以及圖算法的魯棒性提升等領域做出了多項成果。據(jù)悉，兩篇論文在組委會國內外知名學者專家的匿名評審后獲得高度認可,這也標志著信也科技在人工智能學術研究領域的重大飛躍。
信也科技在學術界備受認可，且在技術落地方面經(jīng)驗豐富，據(jù)悉其已實現(xiàn)了對信貸業(yè)務流程的全覆蓋，如人臉識別、多場景OCR、聲紋識別等多模態(tài)核身、增信技術，語音識別、意圖識別、對話管理、語音生成等全流程智能對話機器人技術，以及基于復雜網(wǎng)絡的不良中介識別和團伙識別技術等。
此次合作論文被收入不是信也科技的第一次，當然也不是最后一次。未來，信也科技將持續(xù)投入科技研發(fā)，不斷創(chuàng)新新技術，為金融行業(yè)注入科技力量，加快數(shù)字化轉型。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
