新葡京娱乐场-大陆娱乐场开户注册

業界首個針對AI在極端和對抗環境下的算法安全性檢測與加固的工具平臺“對抗樣本”成新型病毒，算法安全問題亟待解決隨著人工智能技術的高速發展，人工智能在諸多場景正逐漸替代或協作著人類的各種勞動，它們可以成為人類的眼睛、耳朵、手臂甚至大腦。其中，機器視覺作為AI時代的基礎技術，其背后的AI算法一直是各科技巨頭和創業公司共同追逐的熱點。然而在機器視覺諸多主流應用場景的背后，往往也藏著由技術性缺陷導致的算法安全風險。例如，在一些訓練數據無法覆蓋到的極端場景中，自動駕駛汽車的識別系統可能出現匪夷所思的決策，危害乘車人的人身安全。從2016年至今，Tesla、Uber等企業的輔助駕駛和自動駕駛系統就都曾出現過類似致人死亡的嚴重事故。并且這類極端情形也可能被惡意制造并利用，發動“對抗樣本攻擊”，去年7月，百度等研究機構就曾經通過3D技術打印出能讓自動駕駛“無視”的障礙物，讓車輛面臨撞擊風險。而以上攻擊之所以能成功，主要是機器視覺和人類視覺有著很大的差異。因此可以通過在圖像、物體等輸入信息上添加微小的擾動改變(即上述故意干擾的“對抗樣本”)，就能導致很大的算法誤差。此外，隨著AI的進一步發展，AI算法模型將運用金融決策、醫療診斷等關鍵核心場景，這類AI“漏洞”的威脅將愈發凸顯出來。近年來，包括清華大學人工智能研究院院長張鈸院士、前微軟全球執行副總裁沈向洋等均提倡要發展安全、可靠、可信的人工智能以及負責任的人工智能，其中AI的安全應用均是重點方向。而且，AI安全作為新興領域，在開源社區、工具包的加持下，對抗樣本等攻擊手段日益變得復雜，相關防御手段的普及和推廣卻難以跟上。并且對抗樣本等算法漏洞檢測存在較高的技術壁壘，目前市面上缺乏自動化檢測工具，而大部分企業與組織不具備該領域的專業技能來妥善應對日益增長的惡意攻擊。從安全測評到防御加固，RealSafe讓AI更加安全可控就如網絡安全時代，網絡攻擊的大規模滲透誕生出殺毒軟件，RealAI團隊希望通過RealSafe平臺打造出人工智能時代的“殺毒軟件”，幫助企業高效應對人工智能時代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平臺主要支持兩大功能模塊：模型安全測評、防御解決方案。其中，模型安全評測主要為用戶提供AI模型安全性評測服務。用戶只需接入所需測評模型的SDK或API接口，選擇平臺內置或者自行上傳的數據集，平臺將基于多種算法生成對抗樣本模擬攻擊，并綜合在不同算法、迭代次數、擾動量大小的攻擊下模型效果的變化，給出模型安全評分及詳細的測評報告(如下圖)。目前已支持黑盒查詢攻擊方法與黑盒遷移攻擊方法。防御解決方案則是為用戶提供模型安全性升級服務，目前RealSafe平臺支持五種去除對抗噪聲的通用防御方法，可實現對輸入數據的自動去噪處理，破壞攻擊者惡意添加的對抗噪聲。根據上述的模型安全評測結果，用戶可自行選擇合適的防御方案，一鍵提升模型安全性。另外防御效果上，根據實測來看，部分第三方的人臉比對API通過使用RealSafe平臺的防御方案加固后，安全性可提高40%以上隨著模型攻擊手段在不斷復雜擴張的情況下，RealSafe平臺還持續提供廣泛且深入的AI防御手段，幫助用戶獲得實時且自動化的漏洞檢測和修復能力。準確度99.99%也難逃被“惡意干擾”，RealSafe高效應對算法威脅 考慮到公眾對于對抗樣本這一概念可能比較模糊，RealSafe平臺特意選取了公眾最為熟知的人臉比對場景(人臉比對被廣泛用于金融遠程開戶、刷臉支付、酒店入住登記等場景的身份認證環節)提供在線體驗。并且，為了深入研究“對抗樣本”對人臉比對系統識別效果的影響，RealAI 團隊基于此功能在國內外主流 AI 平臺的演示服務中進行了測試。實測證明，“對抗樣本”可以極大的干擾人臉比對系統的識別結果，而測試的這幾家互聯網公司平臺開放的人臉比對API或SDK，幾乎覆蓋了目前市面上很多中小型企業在落地人臉識別應用時的選擇，如果他們的人臉比對技術存在明顯的安全漏洞，意味著更廣泛的應用場景將存在安全隱患。因此，為了幫助更大范圍內的企業高效應對算法威脅，RealSafe平臺具備以下兩大優勢：·  組件化、零編碼的在線測評：相較于ART、Foolbox等開源工具需要自行部署、編寫代碼，RealSafe平臺采用組件化、零編碼的功能設置，免去了重復造輪子的精力與時間消耗，用戶只需提供相應的數據即可在線完成評估，學習成本低，無需擁有專業算法能力也可以上手操作。·可視化、可量化的評測結果：為了幫助用戶提高對模型安全性的概念，RealSafe平臺采用可量化的形式對安全評測結果進行展示，根據模型在對抗樣本攻擊下的表現進行評分，評分越高則模型安全性越高。此外，RealSafe平臺提供安全性變化展示，經過防御處理后的安全評分變化以及模型效果變化一目了然。從數字世界到物理世界 RealAI落地更多安全周邊產品隨著機器學習模型不斷的升級演化，“對抗樣本”已經演變成一種新型攻擊手段，并且逐漸從數字世界蔓延到物理世界：在路面上粘貼對抗樣本貼紙模仿合并條帶誤導自動駕駛汽車拐進逆行車道、胸前張貼一張對抗樣本貼紙在監控設備下實現隱身……因此，除了針對數字世界的算法模型推出安全評測平臺，RealAI團隊也聯合清華大學AI研究院圍繞多年來積累的領先世界的研究成果落地了一系列AI攻防安全產品，為更多場景保駕護航。比如通過佩戴帶有對抗樣本圖案的“眼鏡”，黑客可以輕易破解商用手機的面部解鎖，通過在胸前張貼特制花紋實現在AI監控下的“隱身”，以及通過在車輛上涂裝特殊花紋躲避AI對車輛的檢測。發現類似新型漏洞的同時，RealAI也推出相應的防御技術，支持對主流AI算法中的安全漏洞進行檢測，并提供AI安全防火墻對攻擊AI模型的行為進行有效攔截。人工智能的大潮滾滾而來，隨之而來的安全風險也將越來越多樣化，尤其近年來因AI技術不成熟導致的侵害風險也頻頻發生，可以說，算法漏洞已逐漸成為繼網絡安全、數據安全后又一大安全難題。所幸的是，以RealAI為代表的這些頂尖AI團隊早已開始了AI安全領域的征程，并開始以標準化的產品助力行業降低應對安全風險的門檻與成本。此次上線RealSafe人工智能安全平臺是RealAI的一小步嘗試，但對于整個行業而言，這將是人工智能產業邁向健康可控發展之路的一大步。?

  腸癌合并同時性腹膜轉移（PC）的發病率約為5-10%，復發時合并腹膜轉移發病率為25-44%。“腹膜轉移如果能夠早期診斷，可以增加徹底減瘤手術的機會，未來能夠明顯延長腸癌患者的生存期。”王輝教授說。2018年團隊和深圳騰訊AI lab建立了合作關系，研發一個基于卷積神經網絡（CNN）的ResNet3D系統。經查，這是世界上第一個診斷腸癌腹膜轉移的AI平臺，能夠自動識別原發腫瘤特征，同時提取腫瘤臨近腹膜的影像學特征，構建基于人工智能的SVM分類器。訓練組一共納入了19814張CT圖像，驗證組包括了7837張CT圖像。    研究發現，ResNet3D的AI系統僅需花費34秒就自動識別并診斷了所有驗證圖像。“ResNet3D+SVM分類器”的腸癌腹膜轉移診斷的準確性高達94%，AUC為0.922，敏感性和特異性均高達94%，明顯優于常規增強CT的診斷能力。

利用人工喉代償人體聲帶是這些患者恢復發聲功能的一種有效途徑。北航研究團隊以基于語音相關的多參數自由調控為目標，在深入的理論研究基礎上，已經成功研發了三代電子人工喉。第一代頻率固定手執式電子人工喉；第二代頻率二值可調分離式電子人工喉；第三代基于生理參數調控型電子人工喉。 已完成工程樣機。

人工智能機器人實訓平臺采用先進的實感技術，搭載高精度激光雷達、高清攝像頭和紅外傳感器，可以實現人臉掃描，微秒識別；環境認知，物體識別；動作捕捉，即時反饋；手勢認知，人性互動等功能，同時可完成自主建圖，自主導航避障、自主充電等續航問題。擁有25套基礎表情動作和486類情感語言表達，能實現語音、動作、手勢、表情、觸控、感應等多模態交互，以及多語種和國內多方言互動。通過對人工智能機器人進行仿生模塊化的拆解裝配，可以實現聲控識別、自然語言理解、人臉識別、情緒識別等多模塊人工智能技術實訓，培養智能機器人開發及應用能力。

XM-N4高級人工流產模擬子宮 ? 一、功能特點： ■ XM-N4高級人工流產模擬子宮采用高分子材料制成，柔軟有彈性，外形真實。 ■ 為學習人工流產刮宮技術而設計，包括三個模塊：孕6-7周水平位子宮、孕6-7周前傾，孕6-7周后傾子宮。 ■ 三個懷孕子宮都可以打開，放入模擬妊娠囊。 ■ 宮頸口可插入擴宮器、刮匙，可以模擬刮宮操作，模擬妊娠囊可被刮下。 ■ 帶有底托，可使子宮固定在正確位置。 ■ 可反復進行練習。 ? 二、標準配置： ■ 高級人工流產模擬子宮：1套 ■ 模擬妊娠囊：1袋 ■ 說明書：1冊 ■ 保修卡合格證：1張

產品詳細介紹 應用價值 ?對教師：提升科學素養，成為AI教學專家 ?對社會：凸顯教育本質，構建人才培養搖 實驗室建設以“營造科技氛圍，滿足教學需求”為核心，根據場地特點打造含AI文化展示區、AI應用體驗區、AI教學實踐區在內的個性化方案。 課程體系構建從通識教育、體驗教育、實踐教育三個層次進行開展，將深奧的人工智能技術原理與生活實際問題相結合，采用案例式講授、體驗式教學、項目式學習的方式由淺入深進行授課，并著重培養學生協作、實踐、創新、分享的能力。 3. 根據一線教師教學需求，教師隊伍建設以校內教師培養和企業專家服務相結合的方式，培養AI教學專家。

本在線專業培養項目，旨在堅持立德樹人的基礎上，培養在“人工智能+X”方向上掌握堅實的基礎理論與系統的專門知識，具有從事科學研究、獨立擔負專門技術工作能力和掌握產業應用基本技能的專門人才。 課程體系設置上體現“融”與“新”，突出“人工智能+X”的學科融合，力爭將科研成果、產業應用現狀及時轉化為教學內容。課程設置強調人工智能專業知識與各行業領域的交叉與融合，注重知識累積的循序漸進，既強調基礎理論課程的系統性，又突出學科最新交叉應用成果和發展動向，課程力求內容新穎，能夠激發廣大青年學習者進一步學習的興趣。

優化人工智能學科布局，加快人工智能領域一級學科建設。 密切關注人工智能領域前沿技術，將技術及資源引入到人才培養。 部署完整的人工智能實驗環境、實驗資源、課程體系和教學全流程平臺。 搭建完整的專業框架，全面支撐高校人工智能方向的教學與科研。 培養具備深度學習算法設計開發的人工智能應用型人才。

面向人工智能專業方向理論和實驗的云教學平臺，融合了Jupyter Notebook實驗平臺和教學資源中心兩大模塊。提供開箱即用人工智能編碼實驗環境，使教學過程高效、便捷。

技術分析（創新性、先進性、獨占性） 本項目已經具備具有200個CPU集群輔助計算，目前已建立了國際上領先的萬個化學藥物的化合物庫和六萬多種中藥單體化合物庫、利用國際一流的計算機輔助設計軟件（Schrodinger, Discovery Studio, MOE等）進行大規模化合物數據庫的虛擬篩選，并根據REOS預測、ADME/T性質的理論預測，結構聚類等，剔除成藥性差的化合物。 目前已經針對多個靶點和藥物做了國際創新性研究工作，相關成果在藥學領域相關SCI期刊上共發表論文17篇，平均影響因子>4.5，他引460余次。