2024年黑龙江省物联网学术交流系列报告会，将于11月份陆续开展。本次系列报告会由黑龙江省计算机学会、哈尔滨工程大学、黑龙江大学联合主办，黑龙江省计算机学会物联网专委会、黑龙江省新一代网络技术与信息保障重点实验室、黑龙江省新一代网络信息保障工程实验室、黑龙江大学密码与网络安全研究院联合承办。随着信息技术的飞速发展，物联网作为新一代信息技术的重要组成部分，正深刻改变着我们的生活、生产方式以及社会治理模式。为了促进物联网技术的创新与应用，加强学术界与产业界的交流与合作，黑龙江省计算机学会物联网专委会特此筹备举办“物联网学术交流系列报告会”。本次活动旨在搭建一个高端、开放的交流平台，汇聚国内外物联网领域的专家学者、行业精英及青年学者，共同探讨物联网技术的最新进展、挑战与机遇，推动物联网技术在智慧城市、智能制造、智慧农业、医疗健康等领域的广泛应用，助力黑龙江省乃至全国的数字化转型和高质量发展。本次系列报告会，将邀请国内外知名专家分享物联网领域的最新研究成果和技术趋势，搭建我省科研工作者与国内外优秀科研团队的交流平台。同时，拟邀请创新型企业参与，展示物联网技术在各行业中的成功应用案例，促进我省科研团队的技术成果转化。报告题目：下一代人工智能技术——量子神经网络相关技术研究三、会议报告及嘉宾
1.报告题目：多模态大语言模型的红队模型研究
报告人：刘毅，香港城市大学博士，主要从事人工智能安全与隐私研究。近五年第一作者发表11篇论文，其中CCF-A会议论文3篇，CCF-A期刊2篇，曾获得IEEE Communication Society Outstanding Paper Award（全球仅一篇，首位大陆获奖者）、广东计算机学会优秀论文二等奖、NeurIPS最佳审稿人奖两次，受邀担任顶级会议NDSS、NeurIPS、ICML、ICLR、KDD、ICDCS等会议程序委员会委员，入选2023、2024年“全球前2%科学家排名榜单”。研究成果被国际顶尖学者引用，引用超3147次，受到国内外同行的高度认可。报告摘要：多模态大语言模型在多个领域的应用日益广泛，然而，其安全性和稳健性问题也引发了广泛关注。为应对潜在的对抗性威胁，红队设计成为验证和提升多模态大语言模型安全性的重要手段。本报告重点探讨多模态大语言模型的红队设计方法，尤其是基于好奇心驱动的强化学习（RL）红队设计。传统的红队方法往往局限于设定特定攻击目标，而我们采用好奇心驱动的RL算法，使得红队在测试过程中能够主动探索未知的模型漏洞，从而更全面地发现模型的弱点和潜在安全风险。具体来说，我们通过设计奖励机制，鼓励红队在测试中生成多样化的攻击样例，使得多模态模型在处理图像、文本等多模态输入时更加稳健和安全。本报告旨在为多模态大语言模型的红队设计提供创新思路，并验证好奇心驱动的RL红队在模型测试中的实际效果，为未来的大模型安全性评估提供有力支持。2.报告题目：下一代人工智能技术——量子神经网络相关技术研究
报告人：瞿治国，南京信息工程大学教授，国际期刊Journal of Quantum Computing主编，江苏省量子技术专委会委员，网络与分布计算专委会委员。主持或参与国家自然科学基金项目5项，省部级科学基金项目3项，并主持横向项目2项。已授权发明专利10项，在审发明专利13项。并先后在IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Fuzzy Systems、Information Fusion、IEEE Internet of Things Journal、Information Sciences、IEEE Transactions on Intelligent Vehicles、IEEE Transactions on Consumer Electronics和Physical Review A等众多国内外知名期刊和会议上发表学术论文140余篇，其中 SCI 检索论文近90余篇，包括一作和通信作者近80篇，四篇 ESI 高被引论文。谷歌学术引用次数共计2182次。包括TIFS、TITS等近十多个SCI期刊特邀审稿人。国际学术交流合作包括爱尔兰、瑞士、澳大利亚、德国和加拿大等。报告摘要：量子神经网络对人工智能技术的作用主要体现在提高模型的准确性和效率，以及为深度学习、强化学习等提供新的计算工具。量子神经网络是结合量子计算和神经网络的一种新型计算模型，它利用量子比特的叠加态和纠缠态等特性，构建具有更强学习能力的神经网络。这种网络可以模拟更复杂的生物神经网络和物理系统，为人工智能领域的深度学习、强化学习等提供新的计算工具。通过利用量子计算机的特殊性质，如量子叠加和量子纠缠，量子神经网络在处理大规模数据集和复杂模型时具有显著优势，从而提高了模型的准确性和效率。此外，量子神经网络的应用还扩展到量子优化算法、量子密码学、量子模拟和量子云计算等多个领域。综上所述，量子神经网络通过结合量子计算和神经网络的优点，为人工智能技术带来了新的突破和发展机遇，提高了人工智能应用的准确性和效率，同时也为跨学科合作和创新提供了新的思路和方法。四、会议组织
![]()
