【學術會議征稿-第二屆生成式人工智能與信息安全學術會議（GAIIS 2025）】人工智能與信息安全的魅力

重要信息

時間：2025年2月21日-23日

地點：中國杭州

官網：http://www.ic-gaiis.org

簡介

2025年第二屆生成式人工智能與信息安全將于 2025年2月21日-23日在中國杭州舉行。主要圍繞“生成式人工智能與信息安全”的最新研究展開，緊密聚焦AI的熱點和難點問題，深入剖析信息安全核心技術。

生成式人工智能與信息安全的關系主要體現在以下幾個方面：

數據安全：生成式人工智能通常需要大量的訓練數據，這些數據可能包含敏感信息。確保這些數據在收集、存儲和傳輸過程中的安全是關鍵。
知識產權保護：生成式人工智能創作的作品可能侵犯他人的知識產權。因此，對人工智能生成內容的版權和知識產權保護需要明確規范。
隱私保護：人工智能可能用于分析個人數據，采集過程中需要遵循隱私保護原則，防止數據泄露。
防范惡意利用：生成式人工智能也可能被用于生成虛假信息、網絡攻擊等惡意行為，需要采取措施防范。

主席

Prof.?Dong Xu,?University of Missouri-Columbia, USA??(AAAS Fellow, AIMBE Fellow)?(H-index: 84)

姚信威教授，浙江工業大學

程序委員會主席

吳小俊教授，江南大學 (H-index: 64)

Prof. Azlan Mohd Zain, Universiti Teknologi Malaysia, Malaysia?(H-index: 38)

陳志奎教授，大連理工大學 (H-index: 34)

Prof.?J.M.Corchado, University of Salamanca, Spain?(H-index: 112)

出版主席

Prof.?Nagaraja G.S, RV College of Engineering, India（IEEE Senior Member）

宣傳主席

陳雷副教授，山東大學

?

張磊教授，重慶大學（國家級青年人才，IEEE Senior Member，H-index:71）

張磊，重慶大學微電子與通信工程學院教授，博士生導師，國家級高層次青年人才，人社部第三批香江學者計劃入選者，重慶市杰出青年科學基金獲得者，重慶市高層次人才特殊支持計劃入選者，入選斯坦福大學發布的全球前2%頂尖科學家“終身科學影響力”、“年度科學影響力”雙榜單。主要研究多模態人工智能、計算機視覺、魯棒機器學習、大模型高效遷移、視覺-語言大模型等。承擔了國家自然科學基金委等項目課題20余項，發表學術論文160余篇，ESI全球前1%高被引論文10篇，出版學術專著1部，谷歌學術顯示引用過萬次，發明專利近20項。獲得吳文俊人工智能自然科學獎、吳文俊人工智能優秀青年獎等獎項。目前是IEEE 高級會員、中國計算機學會（CCF）杰出會員，擔任國內外多個期刊編委

Prof. Azlan Mohd Zain, Universiti Teknologi Malaysia, Malaysia（H-index: 38）

Azlan Mohd Zain目前是馬來西亞理工大學計算學院工程學院的教授。他也是馬來西亞理工大學大數據研究中心的主任。作為一名學術人員，他成功指導了25多名研究生，并獲得了20多項研究資助，以支持研究生。他發表了100多篇研究論文。他曾受邀在五次以上的國際會議上擔任主旨發言人，在多個委員會任職，并在三種國際期刊的編委會任職。

胡亮教授，同濟大學

胡亮，同濟大學計算機科學與技術學院，教授，博導。上海海外高層次人才，國家海外高層次青年人才。研究領域包括機器學習、推薦系統、人機協同、數據科學、隱私計算，以及跨學科交叉融合的新一代智能技術。發表超過100篇高水平學術論文，包括WWW、IJCAI、AAAI、ICDM、TOIS、TKDE、NeurIPS、ICML等。在眾多高水平人工智能國際會議（IJCAI、AAAI、ICDM、CIKM、KDD、CVPR等）擔任程序委員會委員，并擔任十余個著名人工智能和數據科學相關的國際期刊的審稿人，包括ACM CSUR、IEEE TKDE、ACM TOIS、IEEE TPAMI等。以聯席主席身份在IEEE ICDM、DSAA等多個著名國際學術會議上組織了關于人工智能、神經網絡和推薦系統的多個研討會和特別專題在IJCAI、AAAI、KDD、SIGIR、ICDM、WWW等多個頂級人工智能及數據科學會議上，進行了近10個關于智能推薦系統的專題報告（Tutorial）。主持和參與多項國家級科研項目。

期刊名稱：Human-Centric Intelligent Systems (HCIN)

期刊簡介：Human-Centric Intelligent Systems（HCIN）是一本完全開放獲取的國際期刊，致力于傳播關于以人為本的智能系統的最新研究成果，涵蓋其所有理論和實踐應用，同時提供關于以人為本計算和分析的前沿理論與算法見解。

范圍：以人為本的 AI；以人為本的數據和管理；信息傳播和建模；擴散源識別和網絡分析；社會影響力分析；社區檢測和動態、虛假信息和錯誤信息檢測；用戶建模、個性化和推薦；負責任的 AI、公平性和可解釋性。

主題

深度學習

自然語言處理

算法應用

計算機視覺

視覺識別

模式識別

強化學習

生成對抗網絡

生成建模技術

語言預訓練

視覺預訓練

聯合預訓練

自回歸模型

生成式人工智能的合法使用

信息和隱私保護

入侵檢測技術

安全檢測和監控技術

解密和加密技術

其他信息見官網?

名詞解釋?

生成式人工智能（Generative AI）與信息安全之間的關系和影響是當前技術領域一個熱點話題。生成式AI主要是指能夠生成新的數據（如文本、圖像、音頻等）的人工智能技術，最著名的例子包括像我這樣的語言模型（如GPT系列）和圖像生成模型（如DALL·E）。這些技術有很多應用場景，包括內容創作、數據增強、自動化等，但它們也帶來了新的信息安全挑戰和風險。

1. 生成式AI的潛在安全風險

生成式AI可能帶來一些信息安全問題，主要包括：

假新聞和虛假信息：生成式AI可以用來自動生成文本、文章或社交媒體內容，這些內容可能被用來傳播虛假信息、政治宣傳或誤導性新聞，從而對公眾輿論、政治穩定或社會信任構成威脅。
深度偽造（Deepfake）：生成式AI可以用來創造高度逼真的虛假圖像、視頻或聲音。例如，AI可以合成某個名人的假視頻，甚至模仿其聲音。這些技術可能被用于詐騙、勒索、惡意攻擊等。
網絡釣魚攻擊：生成式AI可以被用來創建看起來非常真實的釣魚郵件或假冒網站，誘使受害者透露敏感信息（如銀行賬戶、密碼等）。
自動化惡意代碼生成：黑客可能利用生成式AI自動編寫惡意代碼或攻擊腳本，從而降低攻擊的難度并提高攻擊效率。這可能導致更多的零日漏洞被利用，甚至出現更復雜、難以檢測的攻擊方式。

2. 生成式AI對信息安全的積極影響

盡管存在風險，生成式AI也可以在信息安全領域發揮積極作用：

增強檢測和防御：生成式AI可以幫助創建更強大的入侵檢測系統（IDS）和防火墻。例如，AI可以生成模擬的攻擊流量，用于測試網絡防御系統的漏洞，提升對新型攻擊的防范能力。
自動化安全報告生成：生成式AI可以自動化生成安全報告和漏洞分析，幫助安全團隊快速識別系統中的潛在問題，減少人工工作量，提高響應速度。
惡意代碼識別：通過生成與已知惡意軟件相似的代碼，AI可以幫助開發出更強大的反病毒軟件或安全工具，增強對新型惡意軟件的識別能力。