|
搜索
搜 索
高等教育领域数字化综合服务平台
【中国教育报】第63届高等教育博览会在长春启幕 以融合创新赋能教育强国建设
23日，为期3天的第63届高等教育博览会（以下简称“高博会”）在中铁·长春东北亚国际博览中心开幕。
中国教育报
2025-05-23
党的二十大报告将教育、科技、人才统筹部署体现什么战略意图？中共中央发布会权威解读 | 学习二十大 教育在行动 · 深解读
10月24日，中共中央举行新闻发布会，介绍解读党的二十大报告。中央改革办分管日常工作的副主任、国家发展改革委副主任穆虹在回答记者提问时表示，科教兴国战略、人才强国战略、创新驱动发展战略都是党中央提出的需要长期坚持的国家重大战略，也都是事关现代化建设高质量发展的关键问题。
教育部新闻办
2022-10-25
教育部部长怀进鹏《人民日报》撰文：深化教育综合改革
要深入学习贯彻全会精神，通过深化教育综合改革，不断为加快建设教育强国提供动力，有效支撑引领中国式现代化。
人民日报
2024-08-22
精彩预告② | AI工具如何助力教育？第62届高博会将集中呈现AI教育工具
第62届高博会将于11月15-17日在重庆国际博览中心举办，主题为“职普融通·产教融合·科教融汇”。将设立6个企业展区和4个特色专区，举办50余场学术活动和8场特色活动，预计将吸引来自全国各地的1500余所高校的学科专业负责人、实验室专家、实训指导老师及高校教师参与。
中国高等教育博览会
2024-10-16
“加强高等教育研究，服务教育强国建设”专题研判会在京举行
由中国高等教育学会与清华大学联合主办的教育强国建设研究工作推进会5月17日在北京召开。当天下午，“加强高等教育研究，服务教育强国建设”专题研判会顺利举行。与会专家学者围绕《教育强国建设规划纲要（2024—2035年）》和三年行动计划中的重点难点问题进行分组研判。
中国高等教育学会
2025-05-19
热议二十大 | 中国高等教育学会科技服务专家指导委员会成员谈学习感受（一）
10月16日上午10时，举世瞩目的中国共产党第二十次全国代表大会在人民大会堂开幕。习近平代表第十九届中央委员会向大会作了题为《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗》的报告。报告引发热烈反响，让我们一起看一看周玉、曾勇、别朝红、陈卫、孙玉清等5位学会科服专指委成员的学习感受。
中国高等教育学会
2022-10-21
基于集成学习的网络流量预测
本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。
中山大学
2021-04-10
基于机器学习的个人信用评估
本平台基于用户报刊订阅历史数据及用户个人信息，结合矩阵分解，K-Means等机器学习技术，构建了用户报刊个性化推荐系统，在提升推荐准确性的同时较好地解决了冷启动问题。
中山大学
2021-04-10
基于深度学习的智能计算MR成像
一、项目简介 智能计算MR成像主要是基于脉冲序列设计、成像、重建、处理与分析的全链路优化思想，利用人工智能领域的深度学习与大数据方法，研究新体制智能计算成像理论、方法与应用，突破现有系统将成像与分析分治难以兼顾的不足，从而为医学临床和科研提供新的、更快的成像手段、更好的成像质量以及更符合实际需求的成像模式。 二、前期研究基础 无 三、应用技术成果1）基于深度学习的信息保持压缩感知重建（左图为填零重建、右图为所提方法）
厦门大学
2021-04-11
联邦学习投毒攻击防御与追溯系统
当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。
然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。
因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。
目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。
西安电子科技大学
2023-01-18