3月30日，应网络空间安全学院（研究院）鞠雷教授邀请，张景锋博士进行了题为“Recent Advances and Opportunities in Adversarial Robustness”的学术报告。本次报告由鞠雷教授主持，学院本科生、研究生及教师代表参加了此次学术交流活动。

在本次报告中，张景锋博士介绍了其团队目前所做的工作，展示了在对抗训练中minimax formulation并非是不可或缺的，团队所提出的min-min formulation将会激励产生更多有效的对抗训练方法。揭示了在对抗训练中，模型容量不足与过度平滑影响的关系，以及在有限的模型容量下，如何区别对待不同的对抗数据。同时，提出了两种有效的策略FAT和GAIRAT，并说明了对抗鲁棒性和准确性之间并不一定存在tradeoff的关系。

同时，张景锋博士还展望了未来该领域的发展方向及面临的挑战，学院师生现场展开了深入讨论。本次学术报告会增强了师生们对人工智能鲁棒性以及对抗机器学习领域研究的认识与理解，激发了学生对相关领域的学习兴趣，增强了学院的学术科研氛围。

报告人简介：

张景锋博士，本科毕业于山东大学泰山学堂；博士于新加坡国立大学师从Mohan Kanhanhalli教授，2020年取得博士学位；即将前往日本理化学研究所师从Masashi Sugiyama（杉山 将）教授。研究兴趣为人工智能的鲁棒性，具体细分方向为对抗机器学习。张景锋在IJCAI,ICML和ICLR国际顶级机器学习会议上发表过论文。担任多个会议和期刊审稿人，比如ICML，ICLR和IJCAI。