top of page

人工智能的未来：
负责任且值得信赖

出版物

在过去的几年中，我们在软件工程和安全领域的会议和期刊上发表了有关人工智能诊断的论文，例如 ICSE、 USENIX Security 、CAV、TSE 和 FSE。

这些论文涵盖了可信人工智能领域，包括鲁棒性、公平性、安全性和可解释性。此外，我们还荣获两项 ACM SIGSOFT 杰出论文奖（ICSE 2018、ICSE 2020）和一项 ACM SIGSOFT 研究亮点奖（2020）。

经认证的神经网络稳健准确率因贝叶斯误差而受到限制，CAV， 2024 年 7 月

查看 >>

QuoTe：面向深度学习系统的质量测试，TOSEM， 2023 年 2 月

查看 >>

网络物理系统异常检测器的对抗性攻击与缓解，IJCIP， 2021 年 9 月

查看 >>

通过模型变异测试进行深度神经网络对抗样本检测，ICSE， 2019 年 5 月

查看 >>

《迈向最佳 Concolic 测试》，ICSE， 2018 年 5 月

查看 >>

鲁棒性

公平

TestSGD：针对细微群体歧视的神经网络可解释测试，TOSEM， 2023 年4 月

查看 >>

基于自适应公平性改进的因果关系分析，FSE， 2022 年11 月

查看 >>

针对群体公平性的神经网络概率验证，FM， 2021 年11 月

查看 >>

通过对抗性采样对神经分类器进行自动公平性测试，TSE， 2021 年 8 月

查看 >>

通过对抗性抽样进行白盒公平性测试，ICSE， 2020 年 6 月

查看 >>

安全

神经网络语义后门检测与缓解：基于因果关系的方法，USENIX Security， 2024 年8 月

查看 >>

验证神经网络抵御后门攻击的能力，CAV， 2022 年8 月

查看 >>

基于因果关系的神经网络修复，ICSE， 2022 年 7 月

查看 >>

可解释性

基于语义的神经网络修复，ISSTA， 2023 年7 月

查看 >>

哪种神经网络能做出更可解释的决策？一种测量可解释性的方法，ASE-J， 2022 年 11 月

查看 >>

ExAIs：可执行人工智能语义，ICSE， 2022 年7 月

查看 >>

Towards Interpreting Recurrent Neural Network through Probabilistic Abstraction, ASE, Sep 2020

查看 >>

博客

bottom of page