复旦大学计算机科学技术学院池明旻研究团队与国家天文台、腾讯优图实验室组成的“探星团队”，结合人工智能（AI）技术提升脉冲星智能搜索的准确率和效率，在由三方联合启动“探星计划”中基于“中国天眼”——五百米口径球面射电望远镜（FAST）的巡天数据，自动搜索出22颗新脉冲星。脉冲星是大质量恒星演化晚期的致密残留物，对研究天体起源、生命起源有重要价值，也被视为”宇宙中的灯塔”。“云+AI”技术帮助FAST处理庞大数据，使得脉冲星智能搜索效率跃升。FAST漂移扫描巡天每天可以产生约130TB的原始观测数据。通过专业的天文软件对信号做图形转化的预处理需要耗费庞大的计算资源，当预处理完成后，每500TB的观测数据预处理后将生成的3千万—1亿张图片，天文专家要花上一年以上的时间才能从中找出脉冲星的候选体。通过开放云+AI技术，研发出用于搜索短周期脉冲星的“多模态+半监督学习”的AI解决方案，以及用于搜索单脉冲和快速射电暴的“AI+动态谱信号”的解决方案，前者对现有脉冲星搜索流程迭代了17个版本，后者的脉冲星信号识别速度提升120倍，在一年期内成功发现了22颗脉冲星，其中包括7颗高速自转的毫秒脉冲星、3

EMNLP2022(The2022ConferenceonEmpiricalMethodsinNaturalLanguageProcessing)是自然语言处理领域的顶级国际会议，由国际语言学会SIGDAT小组在世界范围内每年召开一次。在本次会议中，复旦大学自然语言处理实验室FudanNLP共计14篇长文被录用，其中包括9篇主会文章和篇Findings文章。2022年冬季，EMNLP2022将以混合形式在阿联酋阿布扎比(AbuDhabi)举行，所有参与者都可以在会场现场或虚拟加入。9篇主会文章简介1、ProofInfer:GeneratingProofviaIterativeHierarchicalInference作者：费子楚，张奇，周鑫，桂韬，黄萱菁文章针对证明树生成任务提出一个通过迭代层次推理生成证明树的模型并采用分治算法，将证明树递归地编码为纯文本，同时预测层中的所有节点且不会丢失结构信息。2、Kernel-Whitening:OvercomeDatasetBiaswithIsotropicSentenceEmbedding作者：高颂杨，窦士涵，张奇，黄萱菁文章针对数据集偏差问

2022年国际多媒体顶级会议ACMMultimedia中，由我院冯瑞教授和张玥杰教授带领的复旦大学跨媒体智能计算实验室（CMIT）发表的论文《MM-Pyramid:MultimodalPyramidAttentionalNetworkforAudio-VisualEventLocalizationandVideoParsing》入选。ACMMultimedia是计算机学科多媒体领域的顶级国际会议，也是中国计算机学会（CCF）推荐的该领域唯一的A类国际学术会议。论文针对视听事件解析任务展开研究。该任务需要分类并时序定位出一段视频内所有的视觉事件、听觉事件和视听事件，且任务是以弱监督的方式进行训练，因此极其具有挑战性。现有的大部分工作都试图从整体的角度来分析视频，忽略了其中的多尺度语义信息，使得模型难以定位不同长度的视听事件。为了解决这些问题，该研究团队提出了一种多模态金字塔注意力网络（MM-Pyramid）。该网络由两个模块组成，首先注意力特征金字塔模块通过几个堆叠的金字塔单元捕获时间金字塔特征，每个金字塔单元由一个固定大小的注意力块和扩张卷积块组成；然后自适应语义融合模块利用单元级注意

2022年10月8日-9日，由复旦大学计算机科学技术学院承办的第七届IEEESmartCloud（智能云）国际会议（IEEESmartCloud2022）在上海区块链生态谷以线上线下结合的方式圆满举办。IEEESmartCloud2022国际会议从智能计算和云计算理论与应用的角度出发，以特邀主题报告、企业技术讲座和大会论文报告的形式，分析探索智能计算、云计算理论研究前沿和应用研究创新，推动了学术界成果与工业界需求的结合并向更高目标迈进。本次国际会议由复旦大学计算机科学技术学院吕智慧教授担任会议总主席，邀请了来自学术界和工业界的专家和学者，共同交流智能计算和云计算领域的研究成果及研发经验。本次大会设置了2场特邀主题报告，5个企业技术讲座和10场大会论文报告，与会人员围绕智能计算和云计算理论与应用广泛展开学术交流，报告最新研究成果。本次会议共收到论文152篇，录用36篇。会议论文及大会报告主要汇报和交流了智能计算、云计算理论研究前沿，和应用研究创新。在特邀主题报告中，德克萨斯大学达拉斯分校的BhavaniThurasingham教授和复旦大学计算机科学技术学院王晓阳教授受邀作大会主题报告。

2022年国际多媒体顶级会议ACMMultimedia中，由复旦大学计算机科学技术学院冯瑞老师和张玥杰老师所在跨媒体智能计算实验室（CMIT）团队发表的论文《Modality-AwareContrastiveInstanceLearningwithSelf-DistillationforWeakly-SupervisedAudio-VisualViolenceDetection》入选。ACMMultimedia是计算机学科多媒体领域的顶级国际会议，也是中国计算机学会（CCF）推荐的该领域唯一的A类国际学术会议。论文针对弱监督视听暴力检测任务展开研究，旨在通过视频级别的标签识别包含多模态暴力事件的视频片段。现有的大部分工作在模型早期或中期建模音频和视频特征的融合与交互，但忽略了弱监督场景下的模态异质性，即音频事件和视频事件可能不一致的情况。为了解决这些问题，该论文提出了具有自蒸馏功能的模态感知对比性实例学习框架（MACIL-SD），利用一个轻量级的双流网络来生成音频和视觉包，其中单模态的背景、暴力和正常的实例以无监督的方式被聚类到半包中。音频和视觉的暴力片段的半包特征被视成正样本对，而暴

2022年9月17日-18日，由中国人工智能学会主办的第十一届中国智能产业高峰论坛(CIIS2022)在厦门圆满举办。CIIS2022从产业应用需求角度出发，解构人工智能商业实践现状，探索智能产业未来发展路径，为区域经济发展、产业布局和智能生态建设注入了新动能。18日下午，特设“人工智能服务平台及应用技术专题论坛”，由复旦大学计算机科学技术学院王晓阳教授担任论坛主席并全程担任论坛主持人，邀请了学界、企业界代表分享成果，探索人工智能计算体系及应用。论坛中首先中国科学院院士、国防科技大学王怀民教授做了“复杂智能软件系统的构造与演化”的主题报告，之后由浙江大学计算机学院院长陈刚教授就“大数据智能普适化——技术、平台及生态”的内容做了分享。湖南大学副校长李肯立教授、中星微集团联席总裁周大良先生、联通数字科技有限公司首席AI科学家廉士国先生、北京华宇软件股份有限公司首席人工智能官李东海先生分别就“基于异构计算的医学超声影像AI质控云平台”，“多维智联网融合与数字孪生协同技术及应用”，“AI+工业互联网：联通实践分享”，“人工智能在法律行业的落地应用”等内容做了分享。最后厦门云知芯总工程师曹齐先生

在2022年举办的ACM国际多媒体会议（ACMInternationalConferenceonMultimedia）中，复旦大学计算机科学技术学院的池明旻老师及其博士生彭博等人针对当前纺织品纤维成分鉴别技术存在的短板，率先提出了结合近红外信号与显微图像联合建模的新思路。为了有效地结合近红外光谱信号和图像数据的特征，解决纺织品纤维成分定性和定量分析问题，团队提出了一种融合近红外信号和高清图像的信号与图像关联网络(ISiC-Net)。其设计灵感来自于纺织领域专家的传统成分鉴别过程：即网络可以学习不同材料的近红外信号对应的敏感波段，并在图像中找到与之相关联的局部特征。具体来说，应用多分支CNN来获得层次化NIR特征，同时使用Transformer编码器来提取子图像的视觉序列。然后将特征输入图像-信号相关感知模块（ISiCP），该感知模块由候选区域生成（CRG）模块和图像-信号双向相关注意力（ISiCA）模块组成。其中候选区域生成模块通过相似度计算与NIR特征进行成对匹配，捕获能够有效反映纺织品物理成分的候选图像区域；在图像信号双向相关注意力模块中，候选图像和近红外特征首先通过评分模块进行匹

2022年8月，在举办的USENIX安全研讨会（USENIXSecuritySymposium）中，复旦大学计算机科学技术学院的杨珉教授和张谧教授等人率先提出基于文本风格的隐式NLP模型后门攻击技术，能有效绕过几乎所有已知后门检测方法。近年来，深度文本表征模型已广泛应用于舆情分析、内容安全、搜索引擎等实际应用场景，很大程度影响着网络生态安全。随着谷歌、OpenAI、百度等大型IT公司发布了多种预训练深度文本表征模型（如BERT、GPT-2等），从公开模型仓库下载、整合并部署预训练模型逐步成为下游服务商青睐的主要应用范式。然而，基于对深度文本表征模型的隐式后门行为进行检测，项目组发现潜在攻击者能利用文本风格实施高隐蔽性后门攻击，使目标文本表征模型被有效注入受特定文本风格（例如，诗歌体）触发的后门功能，并在实际攻击过程中，基于文本迁移技术将违规文本以这种特定风格改写，以绕过注有该后门功能的内容安全系统（图1）。已有研究工作主要面向文本分类模型，分析其中是否存在基于特定插入内容触发的后门行为。然而，由于在这类后门行为中，特定的插入内容通常能直接导致被篡改的模型具有攻击者指定的分类行为，因此，

为积极应对全球人工智能治理挑战，系统解决规则落地难、软硬研究分离、治理碎片化等问题，复旦大学以人为本人工智能研究中心与上海人工智能实验室治理研究中心、清华大学人工智能国际治理研究院共同发起蒲公英人工智能治理开放平台——OpenEGLab。9月1日，该平台1.0版本于2022世界人工智能大会科学前沿全体会议上，由科技部高新技术司司长陈家昌、科技部战略规划司副司长邢怀滨、上海市科技工作党委书记徐枫和国家新一代人工智能治理专业委员会主任薛澜教授共同启动。目前，国际上尚少见规则和技术双轮互动的治理体系性平台。最新亮相的“蒲公英”OpenEGLab，目标是打造系统、实用的人工智能伦理与治理基础设施，探索“规则-技术-场景-评测”一体协同的人工智能治理体系。蒲公英代表着希望、温暖与友谊，蒲公英人工智能治理开放平台秉持促进跨学科研究、多元主体共建共享的理念，让蒲公英的种子飞的更远。此次平台共发布了包括规则集、治理图谱、风险展示、评测框架和行业方案在内的五大亮点。规则集致力于构建全球治理知识库，目前已收录约1500条标注规则文件，包括伦理原则、政策战略、法律法规和标准等。治理图谱脱胎于平台收录的全球A

2022年8月，在举办的网络安全顶会USENIXSecuritySymposium上，复旦大学计算机科学技术学院的杨珉教授和张谧教授等人率先提出基于神经元独占状态分析的平均梯度破解算法，实证珍贵训练数据在新型分布式训练模式下存在真实泄漏隐患。随着联邦学习(FederatedLearning)、协同训练（CollaborativeTraining）等开放网络下分布式深度学习系统在商业场景中的兴起，深度学习模型中间计算结果（如特征、梯度等）逐渐成为服务节点、计算节点和终端设备之间的主要共享内容。作为分布式模型构建中的重要信息载体，梯度是模型和端侧数据共同计算的产物，这也促使着近年一些研究工作针对模型梯度提出新型攻击方法，评估梯度泄露对数据隐私造成的隐患。其中，尤以数据重建攻击所造成的攻击效果为最，仅从深度神经网络的平均梯度中即可近乎无损地恢复一个训练数据批次的各个样本（图1）。项目组基于独占神经元个数，首次解析开放网络中分布式训练过程中传输的平均梯度如何产生个体数据泄露，并提出相应的基于神经元状态分析的梯度破解与数据隐私防护算法。此前研究工作均以最小化在该训练批次上计算得到的平均梯度和实际

2022年8月19日-8月21日，复旦大学计算机科学技术学院DASLab实验室王晓阳教授、何震瀛副教授、荆一楠副教授、张寒冰博士后及在读博士生范元凯、叶飞、任彤辉、在读硕士生张航等参加了第39届CCF中国数据库学术会议（NDBC2022），会议期间师生们听取报告、交流学术，收获颇丰。DASLab实验室的论文《面向计算资源的跨平台数据分析工作流平台选择方法》（唐志伟，张凯，何震瀛，荆一楠，王晓阳）在会议分组报告中做了宣讲。论文的主要涉及常见的大数据任务有数据处理、模型训练和任务部署等三个主要的步骤。在这个过程中，通常会有两个痛点：第一是不同环节的任务往往是由不同的数据应用所完成的，整个任务通常涉及到多个平台，系统的资源往往很难在多个平台之间进行分配，这种不合理分配会导致计算过程的效率低下。第二个是对于开发者来说，想要完成一整个大数据分析任务，开发者可能需要学习多个具有不同功能的平台的API才能使用他们，这无疑增加了开发人员的心智负担和要求。因此需要一种能够整合多个平台的、自动构建并且能够优化计算流程，同时还易于使用的跨平台数据分析框架。CLIC系统的特点在于能够简化任务构建的难度，而且能

8月18日，IEEE通信学会智能网络与计算研讨会在上海复旦皇冠假日酒店召开，会议由IEEE通信学会、中国通信学会主办，复旦大学、上海交通大学等单位支持。与会专家在面向2030年6G发展前沿的大背景下，共同探讨智能网络与计算的现状、发展趋势，促进智能网络与计算的技术演进。IEEE通信学会主席、加拿大两院院士、中国工程院外籍院士沈学民教授在线致辞，中国通信学会副秘书长欧阳武、上海市经济和信息化委员会副主任汤文侃、复旦大学副校长徐雷教授出席研讨会并致辞。徐雷校长在致辞中从“智能通讯”“创新发展”“产研融合”三个关键词出发，结合复旦大学在上海青浦建设复旦国际融合创新中心的发展战略，依托计算机科学技术学院、信息科学与工程学院、微电子学院、材料科学系等院系扎实深厚的研究底蕴，欢迎各位专家近一步与IEEE通信学会和中国通信学会携手，推动互联网、大数据、人工智能同产业深度融合，利用当前5G和未来6G的互联网新技术对传统产业发展进行全方位的推进，提升关键技术创新和供给能力。本次研讨会由复旦大学计算机科学技术学院高跃教授发起，邀请来自复旦大学、上海交通大学、上海科技大学、上海大学等高校教授做主题报告，分享

8月22日，第十五届全国大学生信息安全竞赛作品赛圆满落幕，复旦大学计算机科学技术学院系统软件与安全实验室的两支本科生队伍分别凭借作品《玄鉴：互联网黑产应用威胁情报平台》和《基于具象化用户意图感知的最小化隐私收集合规检测》斩获全国一等奖，其中《基于具象化用户意图感知的最小化隐私收集合规检测》作品同时获得大赛最具创业价值奖（全国仅有10项），团队指导教师杨珉和杨哲慜老师获得优秀指导教师奖。全国大学生信息安全竞赛是我国级别最高、覆盖范围最广、影响力最大的网络安全赛事。本届比赛吸引了来自全国共191所高校的2692名师生，参赛作品达到了840份，经过线上初赛和决赛的激烈评选，全国共产生180支队伍分别获一、二、三等奖，其中一等奖40项，二等奖61项，三等奖79项。搭建威胁情报平台，让黑产应用无处遁形智能手机上的各类应用程序，方便了日常生活，但是一些赌博、诈骗、色情相关的“黑产应用”，却让使用者的安全受到威胁。精准追踪并铲除黑产应用，对于打击网络犯罪特别是新型网络犯罪，营造清朗的网络空间，维护人民群众利益和社会和谐稳定至关重要。“目前的威胁情报平台主要是针对一些恶意应用，例如病毒木马来做威胁情报

2022年8月，在举办的数据挖掘顶会ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining上，复旦大学计算机科学技术学院的杨珉教授和张谧教授等人将现有仅能应用于分类模型的指纹追溯技术普遍化，提出一种深度学习模型产权追溯通用方法，首次在千级嫌疑模型库上实现100%的盗版模型识别准确度。近年来，随着深度学习技术的不断发展，神经网络在各领域得到了广泛的应用，而神经网络的知识产权保护也成为了一个重要问题。神经网络模型的训练通常需要大量的计算资源与数据样本，而攻击者可通过系统攻击、算法攻击等方式窃取模型，并施以模型所有权混淆技术，低成本地完成盗版模型的构建。为对盗版的神经网络进行检测，模型指纹成为近年的新兴研究课题（图1）。然而，现有模型指纹追溯技术大多仅能应用于分类模型保护，且易于被适应性混淆攻击绕过。▲图1模型指纹特征提取流程为了提升模型指纹技术的通用性，项目组首次将现有指纹追溯技术中的指纹验证样本和验证方法等设计模块进行一般化推广，提出基于适应性指纹验证样本（adaptivefingerprintingexamples）和元验证器（meta

上海市计算机学会公布的2021年度上海市计算机学会科学技术奖评选结果中，复旦大学计算机科学技术学院SONIC实验室陈阳副教授作为第一完成人、王新教授作为第三完成人、宫庆媛博士作为第五完成人，代表复旦大学联合上海财经大学共同申报的“大规模在线社交网络用户行为研究”项目获得了2021年度上海市计算机学会科学技术奖三等奖(自然科学奖)，复旦大学是项目的第一完成单位。在线社交网络在全球范围内得到了广泛使用，在人们的日常生活中发挥着重要的作用。本次获奖的项目围绕着大规模在线社交网络用户行为问题开展研究，解决了与社交网络安全、社交网络用户使用体验优化、社交网络服务质量相关的多个重要问题。在恶意账号检测、用户个体/群体移动规律建模、大规模移动社交网络结构分析、社交影响力预测、跨社交网络用户行为研究等方面取得了一系列原创性成果。这些工作从不同角度深化了对在线社交网络的认识，并提出了多种可以应用于实际在线社交网络场景的解决方案。项目团队在多个IEEE/ACMTransactions期刊以及多个CCFA类/中科院1区期刊/会议发表了数十篇高水平学术论文，研究成果也得到了国内外学术界和产业界的关注，形成了一

近日，复旦大学计算机科学技术学院杨珉教授领衔的系统与软件安全实验室荣获网络安全国际顶尖学术会议31stUSENIXSecuritySymposium杰出论文奖(DistinguishedPaperAward)，这也是该会议创办31年来大陆高校第一次获此殊荣。该奖项竞争非常激烈，由评审委员会从256篇录用论文中遴选产生（本年度会议投稿总计1414篇，录用率不到19%）。我院获奖论文“IdentityConfusioninWebView-basedMobileApp-in-appEcosystems”聚焦于移动应用小程序生态安全问题，揭示了微信、支付宝、抖音、今日头条等一批主流软件面临的严重安全威胁，避免了数十亿用户的信息安全风险，得到国内外学术界和产业界的高度认可。论文第一作者张磊系杨珉教授指导的博士生，2020年1月获网络空间安全博士学位，目前系我校网络空间国际治理研究基地助理研究员，主要从事移动生态安全治理技术研究。图：App-in-app生态组成示意图随着国内外移动端流行应用功能日趋丰富，一部分流行应用逐渐推出小程序或者类小程序功能，选择将自身业务逻辑开放给第三方小程序开发者使用，

2022年7月29日，华为公司难题揭榜火花奖颁奖典礼在上海举行，我院周水庚、周喆、吴祖煊三位老师入选华为难题揭榜火花奖。复旦大学副校长徐雷、校外合作处处长李倩、科学技术研究院产学研合作处处长郭睿情、计算机科学技术学院副院长（主持工作）杨珉教授等出席本次颁奖典礼。周水庚老师创新性地提出了一种支持高效复杂图遍历、更新友好的图存储结构。通过边聚集存储与拓扑、数据分离技术，支持了高效的图遍历操作，通过自适应扩缩容技术，在保证内存使用率的基础上,实现了高效的图拓扑更新。在此基础上，有效地兼顾了图拓扑更新与复杂图遍历之间的效率平衡。周喆老师本次获得两项火花奖。一项是通过对业务在CPU各个后端执行单元的使用情况进行监控和建模，以此指导CPU资源调度的QoS方案,以较小的开销、更细的粒度来捕捉CPU资源使用规律,均衡CPU资源利用率，填补当前以分配率为基础调度系统QoS优化手段的不足，进一步挖掘CPU物理资源在空间和时间的复用潜力。该研究能够在保障业务QoS的基础上提升物理资源复用度，以相同的物理资源消耗承载更多的租户业务，QoS量化干扰检测和QoS动态隔离管控两大核心技术问题。另一项是针对华为公司的

构造式隐写是近年来学术界研究的热点，最近的研究表明，由秘密信息直接生成高质量的数字图像是可以实现的。本期介绍复旦大学多媒体智能安全实验室在ACMMM2022上录用的两篇论文，采用不同的手段实现了两种构造式隐写方法。生成式隐写网络近年来，生成式隐写（generativesteganography）成为了一个新兴的研究方向。相比于传统隐写方法，生成式隐写可直接从秘密信息合成含密图像，而无需通过修改载体图像来隐藏秘密信息。在理想条件下，合成的含密图像无需和载体图像进行对比，因此具有较高的安全性。但现有的生成式隐写方法总体性能较差，无论是在隐藏容量、提取准确率，还是在图像质量方面都比传统方法有较大的差距。另外，如果合成的含密图像由于质量较差而被区分出来，生成式隐写带来的理论安全性也不复存在。为了解决上述问题，我们提出了一种高性能的生成式隐写网络。主体框架：如图1所示，该网络由四个子网络组成，即生成器、判别器、隐写分析器和提取器。他们分别用来合成含密图像、保证图像质量、减小统计分析差异和提取秘密信息。由于合成的含密图像和真实图像之间始终存在一定差异。为了对抗隐写分析，我们希望生成器G能够生成难以