XiaoMi-AI文件搜索系统
World File Search SystemKDD
cv.pdf div>
审稿人国际机器学习会议（ICML），2021-2024。国际学习代表会议（ICLR），2022-2024。神经信息处理系统（Neurips），2020-2024。AAAI人工智能会议（AAAI），2021-2024。国际人工智能会议（IJCAI），2022-2024。ACM SIG关于知识发现和数据挖掘（KDD），2020-2024。ACM SIG关于信息检索（Sigir），2020，2022，2023。IEEE知识和数据工程交易（TKDE），2020年。ACM从数据（TKDD）中发现的ACM交易，2021，2024
使用生成模型（Gen-Recsys）对现代推荐系统的审查
传统推荐系统通常使用用户项目评级历史记录作为其主要数据源。但是，深层生成模式现在可以从复杂的数据分布中建模和采样，包括用户信息交互，文本，图像和视频，从而实现新颖的推荐任务。这项全面的多学科调查使用生成模型（Gen-Recsys），覆盖：相互作用驱动的Genertic模型连接Rs中的关键进步；使用大语模型（LLM）和文本数据用于自然语言建议；以及以Rs生成和处理图像/视频的多模型集成。我们的工作强调了评估Gen-Recsys的影响和危害并确定开放挑战的必要范例。此调查伴随着ACM KDD'24的教程，并提供了以下材料：https：//encr.pw/vdhlq。
ji Yang（Carl）-Emory计算机科学
埃默里大学计算机科学系2020年8月 - 目前的终身任期助理助理教授，乔治亚州亚特兰大•研究兴趣：图数据挖掘，应用机器学习，知识图，联合学习；推荐系统，社交网络，神经科学，医疗保健。•罗林斯公共卫生学院（RSPH）生物统计学和生物信息学系助理教授（任命）。•Nell Hodgson Woodruff护理学院数据科学中心助理教授（任命）。•埃默里全球糖尿病研究中心（EGDRC）核心教师。•佐治亚州糖尿病翻译研究中心（GCDTR）中心。•CS教师搜索委员会，CSI博士学位招生委员会，院长教学奖学金委员会，学术标准委员会（自然科学和数学）。•NSF REU/RET在Emory的数学/CS中的指导； KDD本科财团的导师。
XiangRen - Sean (Xiang) Ren
ACM SIGKDD知识发现与数据挖掘会议（KDD）：2015-21神经信息处理系统会议（NEURIPS）：2019-21国际机器学习国际会议（ICML）：2019-20计算语言学协会年会（ACL）年度会议（ACL）：2017-19阶段：2017 - 19 2017-20 The AAAI Conference on Artificial Intelligence ( AAAI ): 2018-19 International Joint Conference on Artificial Intelligence ( IJCAI ): 2018-19 ACM International Conference on Web Search and Data Mining ( WSDM ): 2017-19 Annual Conference of the North American Chapter of the Association for Computational Linguistics ( NAACL ): 2018-19 ACM SIGIR Conference on Research and Development in Information Retrieval ( SIGIR ): 2017-18 ACM信息和知识管理会议（CIKM）：2017
使用生成模型（Gen-Recsys）对现代推荐系统的审查
传统推荐系统通常使用用户项目评级历史记录作为其主要数据源。但是，深层生成模式现在可以从复杂的数据分布中建模和采样，包括用户信息交互，文本，图像和视频，从而实现新颖的推荐任务。这项全面的多学科调查使用生成模型（Gen-Recsys），覆盖：相互作用驱动的Genertic模型连接Rs中的关键进步；使用大语模型（LLM）和文本数据用于自然语言建议；以及以Rs生成和处理图像/视频的多模型集成。我们的工作强调了评估Gen-Recsys的影响和危害并确定开放挑战的必要范例。此调查伴随着ACM KDD'24的教程，并提供了以下材料：https：//encr.pw/vdhlq。
摘要尽管网络攻击对网络安全的各个方面做出了重大贡献，但不幸的是，网络攻击仍然呈上升趋势。越来越多的国际公认实体，例如美国国家科学基金会和美国国家科学技术委员会，已经注意到人工智能可以帮助分析数十亿个日志文件、暗网数据、恶意软件和其他数据源，以帮助执行基本的网络安全任务。我们举办第 1 届人工智能网络安全分析研讨会 (半天；与 ACM KDD 同一地点举行) 的目标是聚集学术界和从业者，贡献有关人工智能网络安全分析的最新研究。我们组建了一个优秀的跨学科计划委员会，该委员会在人工智能网络安全分析的各个方面拥有丰富的专业知识，以评估提交的工作。在 CTI、漏洞评估和恶意软件分析等领域为半天研讨会做出了重大贡献。
摘要 尽管对网络安全的各个方面做出了重大贡献，但网络攻击仍然令人遗憾地呈上升趋势。越来越多的国际公认实体（如美国国家科学基金会和美国国家科学技术委员会）注意到人工智能可以帮助分析数十亿个日志文件、暗网数据、恶意软件和其他数据源，以帮助执行基本的网络安全任务。我们举办第一届人工智能网络安全分析研讨会（半天；与 ACM KDD 同地举办）的目标是聚集学术界和从业者，为人工智能网络安全分析的最新工作做出贡献。我们组建了一个优秀的跨学科计划委员会，该委员会在人工智能网络安全分析的各个方面拥有丰富的专业知识，以评估提交的工作。在 CTI、漏洞评估和恶意软件分析领域为半天研讨会做出了重大贡献。
ai @ ubc
●在加拿大的AI [Analytics Insight，2024年5月]；更快的消息很快[有影响力的出版物，被禁运到2024年12月5日]●加拿大CIFAR AI椅子：总计12个（约40％的加拿大会员椅子），更多在管道中●奖学金：RSC（X3），ACM（X3），ACM研究员（X3），AAAI（x4），AAAI（X4），CRC Caine（X3），E.W.W.R.Steacie奖学金，斯隆研究研究员，Nserc Arthur B. McDonald研究员●研究奖：Killam Accelerator，基因组BC奖，学术数据领导者奖，Pierre Robillard奖，Pierre Robillard奖，…●最佳纸质奖项：NORA十年的诺拉十年来，NORA杰出纸张，FACCT最佳纸张，ICML最佳纸张，IIJ突出的奖项，IJCAIN奖，IJCAIE-KAIAR-JCAIAIAR，ijcai-k.
Kaleigh Clary -UMass CICS
2023年2月7日口头表现。AAAI/SIGAI 2023博士财团。华盛顿特区，2022年8月12日口头演示。USENIX安全。波士顿，马萨诸塞州4月13日2021嘉宾演讲。佛蒙特大学人工智能。伯灵顿，VT，2018年12月7日口头演示（简短）。神经批评和纠正趋势研讨会。蒙特利尔，QC，2018年8月8日口头演示。数据科学芝加哥聚会重点，IDEO。芝加哥，伊利诺伊州伊利诺伊州2017年8月14日口头演示（简短）。KDD关于采矿和学习的研讨会。Halifax，NS，2016年10月13日口头表现。 职业混音器，UMass Amherst数据科学中心。 阿默斯特，马萨诸塞州，2015年5月18日海报。 新英格兰机器学习日，微软研究。 剑桥，马萨诸塞州Halifax，NS，2016年10月13日口头表现。职业混音器，UMass Amherst数据科学中心。阿默斯特，马萨诸塞州，2015年5月18日海报。新英格兰机器学习日，微软研究。剑桥，马萨诸塞州
对具有可解释AI（XAI）的网络中的集中和联合学习的异常检测进行了全面分析
摘要 - 机器学习的许多形式（ML）和人工智能（AI）技术在通信网络中采用以执行所有优化，安全管理和决策任务。而不是使用常规的黑框模型，而是使用可解释的ML模型来提供透明度和问责制。此外，由于网络的分布性和安全隐私问题，联合学习（FL）类型ML模型比典型的集中学习（CL）模型变得越来越流行。因此，研究如何使用可解释的AI（XAI）在不同的ML模型中找到解释能力是非常及时的。本文在网络中使用XAI在CL和FL的异常检测中进行了全面分析。我们将深层神经网络用作黑框模型，其中两个数据集，即UNSW-NB15和NSL-KDD，以及Shapley添加说明（SHAP）作为XAI模型。我们证明，FL的解释与客户端异常百分比不同。索引术语-6G，安全性，隐私，可解释的AI，中央学习，联合学习。