人工智能方向不愧是一个热门的方向！

2022年的政府报告中，再次提及“加快发展工业互联网，培育壮大集成电路、人工智能等数字产业”。这都是看得见的政策支持和时代趋势。

其实专业本无好坏之分，只是此专业是否还能顺应国家以及时代的发展，“优胜劣汰，适者生存，逆者亡”，是万物的基本生存法则，同样也是一个专业的生存法则。

市场对于人工智能专业人才的需求量大现在高校毕业生普遍面临的问题就是，就业难的问题，高校及国家都出台不同的扶持政策，但是就业形势仍然特别严峻。但通过学生们找工作反映出来的现象和数据，可以反过来成为高校设置专业、招生和教学培养的参考。只有与实践充分结合，高校教育才能真正找准为社会培养出合格人才的方向。

高校是高层次人工智能人才培养的主阵地人工智能的发展主要靠大数据驱动和应用场景驱动。我国的新基建以5G、物联网、大数据为代表的新一代信息技术正在蓬勃发展，为发展智能化数字经济提供了良好的基础条件。

“虽然我国在人工智能方向论文数量和引用、专利申请量方面已经是世界第一，发展了多项领先技术，但是我国在人工智能基础理论、原创算法、高端芯片和生态系统等方面仍存在较大差距。高校作为高层次人才培养主阵地，应加大人才培养力度，加强人工智能前瞻性基础研究，不断提升信息化水平来支撑智能化发展。”国家杰出青年科学基金获得者张新鹏教授发表了《神经网络水印》主题演讲，张新鹏教授对神经网络水印进行了概述，并介绍了基于内在机制的白盒神经网络水印，基于触发集的黑盒神经网络水印，基于输出结果的无盒神经网络水印和神经网络模型篡改检测。

中国香港中文大学(深圳)数据科学学院吴保元副教授以《后门学习发展现状及最新进展》为主题，对后门攻击、后门防御的发展现状进行了总结，并详细介绍了后门学习的最新基准平台BackdoorBench。

清华大学在读博士生李一鸣介绍了其关于"基于所有权认证的模型和数据集版权保护"的一系列最新研究成果，包括通过嵌入的外部特征进行有效且无害的所有权验证，通过后门水印保护数据集的黑盒所有权验证，和非目标后门水印 --无害和隐秘的数据集版权保护。

中国科学院信息工程研究所国家重点实验室博士生梁思源提出了模仿检测器，可用于窃取黑盒目标检测器的知识。模仿检测器将目标检测中的知识窃取视为黑盒知识蒸馏，并提出了师生框架来解决该问题，这是首个关于目标检测器的框架。大量实验表明该方法实现了最高的模型提取精度。

上海交通大学网络空间安全学院博士研究生李方圻介绍了神经网络水印的新型安全威胁，其中黑盒水印的新问题包括封装攻击、版权勒索等，其核心矛盾在于公证性、时间戳、黑盒场景三者的不兼容;白盒水印的新问题主要有模型重构攻击，该攻击可以通过从中间层信息中逆重构，还原网络信息来抵抗。

在AI算法方面，易佳介绍，“桌面云AIOps算法包括基于bagging策略的分段线性回归算法、基于网格搜索的缩扩容模型、基于资源约束算法和贪心策略的虚拟机新增模型、基于时间序列特征提取和随机森林的闲置资源识别模型等”，基于这些算法，最终形成了包含AIOps算法、AI调度决策、OpenAPI、数据管理、服务化等功能在内的AIOps基础结构。

易佳表示，AIOps可以快速识别出卡慢故障等异常问题。通过引入50多个规则、采集800多个维度数据，实现20多个机器学习算法，诊断出30+核心卡慢场景。AIOps的监测分析能力已经能够全方位地支撑大盘、集群、主机、虚拟机、网络、存储、应用软件全栈监控与分析。

在算法效果上，桌面云卡慢/故障异常检测准确率达到87%。实施卡慢缓解建议后，约有47%的问题能够得到明显缓解，AIOps的智能诊断能力，可以覆盖桌面云65%的已知资源卡慢问题。

易佳最后总结，AIOps未来会增加更多的反馈和模型的自更新机制，实现多业务场景的覆盖。同时，基于业务画像和运维知识图谱，实现精细化故障诊断，打造让用户满意的产品体验。