葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

神獸們一批批“歸籠”，對(duì)于家長們來說，真是大舒一口氣。不過為了孩子們的安全，各個(gè)學(xué)校可都費(fèi)盡了心思。為了迎接學(xué)生返校，溫州大學(xué)的南北校區(qū)大門口，都裝上了人工智能防疫的神器。這套由學(xué)校大數(shù)據(jù)與信息技術(shù)研究院自主研發(fā)的“人工智能防疫系統(tǒng)”，是學(xué)校教師自己的研究成果，為學(xué)校即將到來的復(fù)學(xué)工作奠定基礎(chǔ)，做好充分的安全準(zhǔn)備。“人工智能防疫系統(tǒng)”是溫州大學(xué)大數(shù)據(jù)與信息技術(shù)研究院基于數(shù)據(jù)挖掘技術(shù)自主創(chuàng)新研發(fā)的智能系統(tǒng)，在傳統(tǒng)“亮碼+人工核驗(yàn)登記”的通行方式上進(jìn)行改進(jìn)升級(jí)，與校園大數(shù)據(jù)、市民卡健康碼等數(shù)據(jù)平臺(tái)共享，通過人臉識(shí)別打造非接觸式體征識(shí)別與統(tǒng)計(jì)管理方式。除此以外，這套系統(tǒng)還結(jié)合人流高峰與日常人行、車行、訪客管理等多重場景模式，為師生數(shù)字化信息后端服務(wù)提供有效防疫應(yīng)用保障，可實(shí)現(xiàn)無接觸高精度體溫檢測(cè)，精準(zhǔn)掌握風(fēng)險(xiǎn)點(diǎn)，降低防控成本、減少感染風(fēng)險(xiǎn)，大大提升防疫管理水平，提前阻斷疫情蔓延渠道。此外，這套智能防疫系統(tǒng)可在學(xué)校數(shù)據(jù)庫中搜集比對(duì)師生基本屬性及假期行為數(shù)據(jù)，通過后臺(tái)分析算法挖掘和模擬用戶畫像，自動(dòng)摸排并動(dòng)態(tài)監(jiān)測(cè)師生異常，為學(xué)校相關(guān)管理部門提供管理和決策依據(jù)，提前做好疫情防護(hù)及應(yīng)急預(yù)案工作。溫州大學(xué)大數(shù)據(jù)與信息技術(shù)研究院成立于2019年10月23日，位于溫州市龍灣區(qū)浙南云谷，是依托溫州市人民政府與中國交通通信信息中心戰(zhàn)略合作協(xié)議，由交通安全應(yīng)急信息技術(shù)國家工程實(shí)驗(yàn)室、溫州高新區(qū)（浙南科技城）管委會(huì)和溫州大學(xué)共同建設(shè)、共同組織管理的研究開發(fā)機(jī)構(gòu)。研究院科研主力多為溫州大學(xué)計(jì)算機(jī)與人工智能學(xué)院博士教師。為保障開學(xué)，研究院向溫州大學(xué)捐贈(zèng)了兩套系統(tǒng)，學(xué)校各部門對(duì)即將到來的開學(xué)潮充分調(diào)研，做好了充足準(zhǔn)備。

主要研究自然語言處理研究領(lǐng)域的算法和應(yīng)用實(shí)踐。涉及語義解析、意圖識(shí)別、FAQ 問答、多輪對(duì)話、知識(shí)圖譜等關(guān)鍵技術(shù)，研究內(nèi)容包括分詞、向量表示、分類等文本預(yù)處理技術(shù)，以及將自然語言處理核心算法應(yīng)用落實(shí)到智能客服、NLP 引擎、航天空管交互等實(shí)際場景中，團(tuán)隊(duì)研發(fā)的 AI 產(chǎn)品已經(jīng)跟國內(nèi)企業(yè)、研究所開展了長期合作并動(dòng)態(tài)跟蹤，獲得了廣泛的一致好評(píng)。 人工智能 NLP 引擎項(xiàng)目是基于多語種分詞、多語種情緒識(shí)別、詞句關(guān)系分析、意圖識(shí)別、文本聚類等自然語言處理技術(shù)實(shí)現(xiàn)對(duì)海量錄音文本的知識(shí)挖掘，識(shí)別重要信息。為錄音服務(wù)行業(yè)下游業(yè)務(wù)的分析人員提供分析思路，以便得到多維度、多形式分析結(jié)果，將發(fā)現(xiàn)轉(zhuǎn)換為可落地的業(yè)務(wù)決策，這些數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)決策，包括客戶體驗(yàn)、座席行為、產(chǎn)品改進(jìn)、風(fēng)險(xiǎn)監(jiān)測(cè)等多個(gè)方面，幫助企業(yè)改善用戶體驗(yàn)、降低成本、提升效率、提升業(yè)績、降低風(fēng)險(xiǎn)等。 1.多語種分詞。分詞指的是將一個(gè)字序列切分成一個(gè)一個(gè)單獨(dú)的詞，是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程。文本在入庫時(shí)調(diào)用接口進(jìn)行了分詞，分詞可用于模型的匹配和熱詞的統(tǒng)計(jì)。 2.詞句關(guān)系分析。根據(jù)詞句關(guān)系接口識(shí)別的中心詞，然后用中心詞進(jìn)行詞頻的統(tǒng)計(jì)，對(duì)于目標(biāo)樣本，統(tǒng)計(jì)出高頻中心詞用來概括目標(biāo)樣本中主要描述的對(duì)話內(nèi)容。 3.意圖識(shí)別。識(shí)別出客戶語句的意圖，以便進(jìn)行相應(yīng)的功能操作、信息推薦等。 4.多語種情緒識(shí)別。情緒識(shí)別是對(duì)包含主觀信息的文本進(jìn)行情感傾向性判斷，正向或者負(fù)向（如果能提供訓(xùn)練數(shù)據(jù)集，可以識(shí)別更多種類的情緒）。為客戶之聲下游任務(wù)的口碑分析、話題監(jiān)控、輿情分析等應(yīng)用提供幫助。目前支持中文、粵語的情緒識(shí)別。根據(jù)情緒標(biāo)識(shí)，用情緒進(jìn)行搜索和統(tǒng)計(jì)分析。 5.文本聚類。文本聚類將一大段文本中心詞和中心詞的關(guān)聯(lián)詞、近義詞生成一個(gè)圖，用于可視化文本的內(nèi)容。 6.自定義分詞、意圖。對(duì)分詞分詞、意圖種類進(jìn)行增刪、擴(kuò)展、微調(diào)等。

湍流-噪聲-振動(dòng)耦合與控制研究所作為人工智能控制湍流的先驅(qū)，結(jié)合機(jī)器學(xué)習(xí)方法，開創(chuàng)性地提出并研發(fā)具備“思維、創(chuàng)新”能力的人工智能控制湍流平臺(tái)，并用于湍流射流控制，研究發(fā)現(xiàn)文獻(xiàn)中從未報(bào)道過的湍流結(jié)構(gòu)，其混合速率遠(yuǎn)超傳統(tǒng)方法，主要成果即將在流體力學(xué)頂級(jí)期刊Journal of fluid mechanics上發(fā)表。鑒于該項(xiàng)成果在工程應(yīng)用的重要前景，獲國家自然科學(xué)基金“湍流結(jié)構(gòu)的生成演化及作用機(jī)理”重大研究計(jì)劃重點(diǎn)支持項(xiàng)目，亦作

（一）項(xiàng)目背景 針對(duì)現(xiàn)實(shí)場景中，存在需要對(duì)服務(wù)行業(yè)錄音文件內(nèi)容進(jìn)行詳細(xì)分析， 但是面對(duì)海量錄音文件無法僅通過人力資源去逐一分析的弊端，本項(xiàng)目旨 在通過實(shí)際應(yīng)用場景結(jié)合計(jì)算機(jī)和人工智能技術(shù)開發(fā)一個(gè)人工智能 NLP 引 擎，用以解決海量錄音文件經(jīng)過 ASR 轉(zhuǎn)文本后，對(duì)錄音內(nèi)容進(jìn)一步按需分 析，最終得到較為完整的分析結(jié)果，以便于企業(yè)進(jìn)一步采取商業(yè)策略。 （二）項(xiàng)目簡介 人工智能 NLP 引擎項(xiàng)目是基于多語種分詞、多語種情緒識(shí)別、詞句關(guān) 系分析、意圖識(shí)別、文本聚類等自然語言處理技術(shù)實(shí)現(xiàn)對(duì)海量錄音文本的 知識(shí)挖掘，識(shí)別重要信息。為錄音服務(wù)行業(yè)下游業(yè)務(wù)的分析人員提供分析 思路，以便得到多維度、多形式分析結(jié)果，將發(fā)現(xiàn)轉(zhuǎn)換為可落地的業(yè)務(wù)決策，這些數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)決策，包括客戶體驗(yàn)、座席行為、產(chǎn)品改進(jìn)、風(fēng) 險(xiǎn)監(jiān)測(cè)等多個(gè)方面，幫助企業(yè)改善用戶體驗(yàn)、降低成本、提升效率、提升 業(yè)績、降低風(fēng)險(xiǎn)等。 （三）關(guān)鍵技術(shù) 1.多語種分詞。分詞指的是將一個(gè)字序列切分成一個(gè)一個(gè)單獨(dú)的詞，是 將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程。文本在入庫時(shí) 調(diào)用接口進(jìn)行了分詞，分詞可用于模型的匹配和熱詞的統(tǒng)計(jì)。 2.詞句關(guān)系分析。根據(jù)詞句關(guān)系接口識(shí)別的中心詞，然后用中心詞進(jìn)行 詞頻的統(tǒng)計(jì)，對(duì)于目標(biāo)樣本，統(tǒng)計(jì)出高頻中心詞用來概括目標(biāo)樣本中主要 描述的對(duì)話內(nèi)容。 3.意圖識(shí)別。識(shí)別出客戶語句的意圖，以便進(jìn)行相應(yīng)的功能操作、信息 推薦等。 4.多語種情緒識(shí)別。情緒識(shí)別是對(duì)包含主觀信息的文本進(jìn)行情感傾向性 判斷，正向或者負(fù)向（如果能提供訓(xùn)練數(shù)據(jù)集，可以識(shí)別更多種類的情緒）。為客戶之聲下游任務(wù)的口碑分析、話題監(jiān)控、輿情分析等應(yīng)用提供幫助。目前支持中文、粵語的情緒識(shí)別。根據(jù)情緒標(biāo)識(shí)，用情緒進(jìn)行搜索和統(tǒng)計(jì) 分析。 5.文本聚類。文本聚類將一大段文本中心詞和中心詞的關(guān)聯(lián)詞、近義詞 生成一個(gè)圖，用于可視化文本的內(nèi)容。 6.自定義分詞、意圖。對(duì)分詞分詞、意圖種類進(jìn)行增刪、擴(kuò)展、微調(diào)等。

匯萃人工智能實(shí)訓(xùn)平臺(tái)采用了先進(jìn)的模塊化設(shè)計(jì)理念，創(chuàng)新性的將 python 編程、機(jī)器學(xué)習(xí)理論和方法、深度學(xué)習(xí)框架與工具等實(shí)驗(yàn)課程與機(jī)器人引導(dǎo)、機(jī)器視覺實(shí)訓(xùn)、人臉識(shí)別、語音識(shí)別等實(shí)踐課程融合到一個(gè)平臺(tái)，既有理論知識(shí)的學(xué)習(xí)，更有實(shí)踐操作的體驗(yàn)。 平臺(tái)集中展現(xiàn)了當(dāng)前人工智能技術(shù)的主要應(yīng)用場景，為培養(yǎng)人工智能領(lǐng)域人才的專業(yè)技能和素養(yǎng)，構(gòu)建解決科研和實(shí)際工程問題的專業(yè)思維、專業(yè)方法和專業(yè)嗅覺提供了創(chuàng)新性的學(xué)習(xí)工具。同時(shí)，通過調(diào)整模塊配置，平臺(tái)還可做為智能制造領(lǐng)域?qū)I(yè)訓(xùn)練平臺(tái)，培養(yǎng)學(xué)生具備應(yīng)對(duì)未來制造業(yè)及其它領(lǐng)域應(yīng)用中對(duì)各種高速定位、測(cè)量、識(shí)別及檢測(cè)等的專業(yè)技能要求。 // 輸入電源：AC220V±10％ 50Hz// 工作環(huán)境：溫度：-10 ～ 50℃，濕度≤ 90% 無水珠凝結(jié)// 外形尺寸：1500mm×900mm×700mm( 長 × 寬 × 高 )// 平臺(tái)重量：220kg//額定功率：≤ 3.5KW//安全保護(hù)：急停按鈕，漏電保護(hù) , 光柵保護(hù)，接地保護(hù) “一臺(tái)多用，專業(yè)培養(yǎng)、靈活搭載、高效低價(jià)”， 這正是匯萃人工智能實(shí)訓(xùn)平臺(tái)的最大特點(diǎn)。

1. 痛點(diǎn)問題 本項(xiàng)成果涉及新型疫苗的設(shè)計(jì)與應(yīng)用，具體涉及生物大分子藥物及疫苗的研發(fā)過程中的抗原精準(zhǔn)設(shè)計(jì)。 2. 解決方案 基于AI的大分子藥物及疫苗抗原設(shè)計(jì)。

項(xiàng)目概況 該靜態(tài)模型提供了一個(gè)融建筑平臺(tái)、空調(diào)設(shè)備、中央空調(diào)系統(tǒng)于一體的、具有自由拼裝搭接功能的實(shí)時(shí)教學(xué)環(huán)境、產(chǎn)品展示平臺(tái)。 本項(xiàng)目處于國內(nèi)先進(jìn)水平，擁有自主知識(shí)產(chǎn)權(quán)。主要特點(diǎn) 該模型將平臺(tái)、設(shè)備及系統(tǒng)融為一體。具有三大部分： （1）建筑平臺(tái)。我們認(rèn)為，建筑平臺(tái)與中央空調(diào)系統(tǒng)是一個(gè)有機(jī)的整體，離開建筑平臺(tái)談中央空調(diào)，有如無水養(yǎng)魚，這正是市面上諸多空調(diào)模型的弊端所在。 我們提供的建筑平臺(tái)以建筑的梁、柱、墻體等為基本部件，按建筑模數(shù)等比例制作，部件之間采用了拼裝結(jié)構(gòu)，可拼出任意種建筑形式。讓學(xué)生在自由拼裝中了解建筑知識(shí)。 （2）設(shè)備模型。包括了中央空調(diào)從主機(jī)到末端的各類設(shè)備的實(shí)體靜態(tài)模型。各模型均按主流品牌的設(shè)備外形等比例制作，效果逼真，接口清晰。 （3）系統(tǒng)搭建。利用上述建筑平臺(tái)、設(shè)備模型，以及配套的管材、配件，學(xué)生可自行搭建各類中央空調(diào)系統(tǒng)。 系統(tǒng)可用于教學(xué)，也可用于產(chǎn)品展示。 技術(shù)指標(biāo)     模型按建筑模數(shù)等比例制作，通用接口，觀察、搭接方便、實(shí)用性強(qiáng)，可反復(fù)使用。是一種新穎的教學(xué)和產(chǎn)品展示平臺(tái)。市場前景     近年來在部分教學(xué)活動(dòng)中使用，贏得了眾多客戶的信任和支持，具有良好的市場前

業(yè)界首個(gè)針對(duì)AI在極端和對(duì)抗環(huán)境下的算法安全性檢測(cè)與加固的工具平臺(tái)“對(duì)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(shù)的高速發(fā)展，人工智能在諸多場景正逐漸替代或協(xié)作著人類的各種勞動(dòng)，它們可以成為人類的眼睛、耳朵、手臂甚至大腦。其中，機(jī)器視覺作為AI時(shí)代的基礎(chǔ)技術(shù)，其背后的AI算法一直是各科技巨頭和創(chuàng)業(yè)公司共同追逐的熱點(diǎn)。然而在機(jī)器視覺諸多主流應(yīng)用場景的背后，往往也藏著由技術(shù)性缺陷導(dǎo)致的算法安全風(fēng)險(xiǎn)。例如，在一些訓(xùn)練數(shù)據(jù)無法覆蓋到的極端場景中，自動(dòng)駕駛汽車的識(shí)別系統(tǒng)可能出現(xiàn)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(yè)的輔助駕駛和自動(dòng)駕駛系統(tǒng)就都曾出現(xiàn)過類似致人死亡的嚴(yán)重事故。并且這類極端情形也可能被惡意制造并利用，發(fā)動(dòng)“對(duì)抗樣本攻擊”，去年7月，百度等研究機(jī)構(gòu)就曾經(jīng)通過3D技術(shù)打印出能讓自動(dòng)駕駛“無視”的障礙物，讓車輛面臨撞擊風(fēng)險(xiǎn)。而以上攻擊之所以能成功，主要是機(jī)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(dòng)改變(即上述故意干擾的“對(duì)抗樣本”)，就能導(dǎo)致很大的算法誤差。此外，隨著AI的進(jìn)一步發(fā)展，AI算法模型將運(yùn)用金融決策、醫(yī)療診斷等關(guān)鍵核心場景，這類AI“漏洞”的威脅將愈發(fā)凸顯出來。近年來，包括清華大學(xué)人工智能研究院院長張鈸院士、前微軟全球執(zhí)行副總裁沈向洋等均提倡要發(fā)展安全、可靠、可信的人工智能以及負(fù)責(zé)任的人工智能，其中AI的安全應(yīng)用均是重點(diǎn)方向。而且，AI安全作為新興領(lǐng)域，在開源社區(qū)、工具包的加持下，對(duì)抗樣本等攻擊手段日益變得復(fù)雜，相關(guān)防御手段的普及和推廣卻難以跟上。并且對(duì)抗樣本等算法漏洞檢測(cè)存在較高的技術(shù)壁壘，目前市面上缺乏自動(dòng)化檢測(cè)工具，而大部分企業(yè)與組織不具備該領(lǐng)域的專業(yè)技能來妥善應(yīng)對(duì)日益增長的惡意攻擊。從安全測(cè)評(píng)到防御加固，RealSafe讓AI更加安全可控就如網(wǎng)絡(luò)安全時(shí)代，網(wǎng)絡(luò)攻擊的大規(guī)模滲透誕生出殺毒軟件，RealAI團(tuán)隊(duì)希望通過RealSafe平臺(tái)打造出人工智能時(shí)代的“殺毒軟件”，幫助企業(yè)高效應(yīng)對(duì)人工智能時(shí)代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平臺(tái)主要支持兩大功能模塊：模型安全測(cè)評(píng)、防御解決方案。其中，模型安全評(píng)測(cè)主要為用戶提供AI模型安全性評(píng)測(cè)服務(wù)。用戶只需接入所需測(cè)評(píng)模型的SDK或API接口，選擇平臺(tái)內(nèi)置或者自行上傳的數(shù)據(jù)集，平臺(tái)將基于多種算法生成對(duì)抗樣本模擬攻擊，并綜合在不同算法、迭代次數(shù)、擾動(dòng)量大小的攻擊下模型效果的變化，給出模型安全評(píng)分及詳細(xì)的測(cè)評(píng)報(bào)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(jí)服務(wù)，目前RealSafe平臺(tái)支持五種去除對(duì)抗噪聲的通用防御方法，可實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的自動(dòng)去噪處理，破壞攻擊者惡意添加的對(duì)抗噪聲。根據(jù)上述的模型安全評(píng)測(cè)結(jié)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(jù)實(shí)測(cè)來看，部分第三方的人臉比對(duì)API通過使用RealSafe平臺(tái)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(fù)雜擴(kuò)張的情況下，RealSafe平臺(tái)還持續(xù)提供廣泛且深入的AI防御手段，幫助用戶獲得實(shí)時(shí)且自動(dòng)化的漏洞檢測(cè)和修復(fù)能力。準(zhǔn)確度99.99%也難逃被“惡意干擾”，RealSafe高效應(yīng)對(duì)算法威脅 考慮到公眾對(duì)于對(duì)抗樣本這一概念可能比較模糊，RealSafe平臺(tái)特意選取了公眾最為熟知的人臉比對(duì)場景(人臉比對(duì)被廣泛用于金融遠(yuǎn)程開戶、刷臉支付、酒店入住登記等場景的身份認(rèn)證環(huán)節(jié))提供在線體驗(yàn)。并且，為了深入研究“對(duì)抗樣本”對(duì)人臉比對(duì)系統(tǒng)識(shí)別效果的影響，RealAI 團(tuán)隊(duì)基于此功能在國內(nèi)外主流 AI 平臺(tái)的演示服務(wù)中進(jìn)行了測(cè)試。實(shí)測(cè)證明，“對(duì)抗樣本”可以極大的干擾人臉比對(duì)系統(tǒng)的識(shí)別結(jié)果，而測(cè)試的這幾家互聯(lián)網(wǎng)公司平臺(tái)開放的人臉比對(duì)API或SDK，幾乎覆蓋了目前市面上很多中小型企業(yè)在落地人臉識(shí)別應(yīng)用時(shí)的選擇，如果他們的人臉比對(duì)技術(shù)存在明顯的安全漏洞，意味著更廣泛的應(yīng)用場景將存在安全隱患。因此，為了幫助更大范圍內(nèi)的企業(yè)高效應(yīng)對(duì)算法威脅，RealSafe平臺(tái)具備以下兩大優(yōu)勢(shì)：·  組件化、零編碼的在線測(cè)評(píng)：相較于ART、Foolbox等開源工具需要自行部署、編寫代碼，RealSafe平臺(tái)采用組件化、零編碼的功能設(shè)置，免去了重復(fù)造輪子的精力與時(shí)間消耗，用戶只需提供相應(yīng)的數(shù)據(jù)即可在線完成評(píng)估，學(xué)習(xí)成本低，無需擁有專業(yè)算法能力也可以上手操作。·可視化、可量化的評(píng)測(cè)結(jié)果：為了幫助用戶提高對(duì)模型安全性的概念，RealSafe平臺(tái)采用可量化的形式對(duì)安全評(píng)測(cè)結(jié)果進(jìn)行展示，根據(jù)模型在對(duì)抗樣本攻擊下的表現(xiàn)進(jìn)行評(píng)分，評(píng)分越高則模型安全性越高。此外，RealSafe平臺(tái)提供安全性變化展示，經(jīng)過防御處理后的安全評(píng)分變化以及模型效果變化一目了然。從數(shù)字世界到物理世界 RealAI落地更多安全周邊產(chǎn)品隨著機(jī)器學(xué)習(xí)模型不斷的升級(jí)演化，“對(duì)抗樣本”已經(jīng)演變成一種新型攻擊手段，并且逐漸從數(shù)字世界蔓延到物理世界：在路面上粘貼對(duì)抗樣本貼紙模仿合并條帶誤導(dǎo)自動(dòng)駕駛汽車拐進(jìn)逆行車道、胸前張貼一張對(duì)抗樣本貼紙?jiān)诒O(jiān)控設(shè)備下實(shí)現(xiàn)隱身……因此，除了針對(duì)數(shù)字世界的算法模型推出安全評(píng)測(cè)平臺(tái)，RealAI團(tuán)隊(duì)也聯(lián)合清華大學(xué)AI研究院圍繞多年來積累的領(lǐng)先世界的研究成果落地了一系列AI攻防安全產(chǎn)品，為更多場景保駕護(hù)航。比如通過佩戴帶有對(duì)抗樣本圖案的“眼鏡”，黑客可以輕易破解商用手機(jī)的面部解鎖，通過在胸前張貼特制花紋實(shí)現(xiàn)在AI監(jiān)控下的“隱身”，以及通過在車輛上涂裝特殊花紋躲避AI對(duì)車輛的檢測(cè)。發(fā)現(xiàn)類似新型漏洞的同時(shí)，RealAI也推出相應(yīng)的防御技術(shù)，支持對(duì)主流AI算法中的安全漏洞進(jìn)行檢測(cè)，并提供AI安全防火墻對(duì)攻擊AI模型的行為進(jìn)行有效攔截。人工智能的大潮滾滾而來，隨之而來的安全風(fēng)險(xiǎn)也將越來越多樣化，尤其近年來因AI技術(shù)不成熟導(dǎo)致的侵害風(fēng)險(xiǎn)也頻頻發(fā)生，可以說，算法漏洞已逐漸成為繼網(wǎng)絡(luò)安全、數(shù)據(jù)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(tuán)隊(duì)早已開始了AI安全領(lǐng)域的征程，并開始以標(biāo)準(zhǔn)化的產(chǎn)品助力行業(yè)降低應(yīng)對(duì)安全風(fēng)險(xiǎn)的門檻與成本。此次上線RealSafe人工智能安全平臺(tái)是RealAI的一小步嘗試，但對(duì)于整個(gè)行業(yè)而言，這將是人工智能產(chǎn)業(yè)邁向健康可控發(fā)展之路的一大步。?

  腸癌合并同時(shí)性腹膜轉(zhuǎn)移（PC）的發(fā)病率約為5-10%，復(fù)發(fā)時(shí)合并腹膜轉(zhuǎn)移發(fā)病率為25-44%。“腹膜轉(zhuǎn)移如果能夠早期診斷，可以增加徹底減瘤手術(shù)的機(jī)會(huì)，未來能夠明顯延長腸癌患者的生存期。”王輝教授說。2018年團(tuán)隊(duì)和深圳騰訊AI lab建立了合作關(guān)系，研發(fā)一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的ResNet3D系統(tǒng)。經(jīng)查，這是世界上第一個(gè)診斷腸癌腹膜轉(zhuǎn)移的AI平臺(tái)，能夠自動(dòng)識(shí)別原發(fā)腫瘤特征，同時(shí)提取腫瘤臨近腹膜的影像學(xué)特征，構(gòu)建基于人工智能的SVM分類器。訓(xùn)練組一共納入了19814張CT圖像，驗(yàn)證組包括了7837張CT圖像。    研究發(fā)現(xiàn)，ResNet3D的AI系統(tǒng)僅需花費(fèi)34秒就自動(dòng)識(shí)別并診斷了所有驗(yàn)證圖像。“ResNet3D+SVM分類器”的腸癌腹膜轉(zhuǎn)移診斷的準(zhǔn)確性高達(dá)94%，AUC為0.922，敏感性和特異性均高達(dá)94%，明顯優(yōu)于常規(guī)增強(qiáng)CT的診斷能力。