近日，哈尔滨工业大学（深圳）计算机科学与技术学院陈斌助理教授和王轩教授合著的学术论文《Adversarial Examples Generation for Deep Product Quantization Networks on Image Retrieval》被人工智能、模式识别领域国际顶尖期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）接收，陈斌助理教授为该论文第一作者，哈尔滨工业大学（深圳）计算机科学与技术学院为第一完成单位，合作单位为清华大学深圳国际研究生院。

计算机视觉中的图像检索任务已经遍布生活方方面面，如疫情下的戴口罩人脸匹配、在线购物的商品匹配等场景，而检索的准确率和速度影响着用户体验的感受。以信息论的量化策略为指导的深度乘积量化网络（DPQN）已经成为一种当前主流的图像检索算法，其速度与准确率表现优秀。然而关于DPQN在对抗攻击下的安全性问题的研究仍然是空白的，这无疑为在商业搜索引擎中部署DPQN带来潜在的安全隐患，若不考虑这方面，则会给用户信息带来安全方面的威胁。陈斌助理教授和王轩教授提出的这篇论文，将为DPQN的商业化部署完善了安全性的保障，促进了图像检索的安全应用与发展。

据悉，IEEE TPAMI是人工智能、模式识别、计算机视觉领域的国际顶尖期刊，CCF A类期刊，JCR 1区Top期刊，2022年度最新影响因子为16.389，该期刊谷歌指数（H-Index）在计算机科学和工程技术两个大类学科里均列首位（不区分学科总排名70， 其中Nature和Science分列第1和第3位），TPAMI以严苛的审稿过程、深刻的理论分析著称，每年收录的论文数量有限，在计算机科学与人工智能领域具有权威影响力。

题目：Adversarial Examples Generation for Deep Product Quantization Networks on Image Retrieval

作者：陈斌, 冯岩，戴涛，白家旺，江勇，夏树涛，王轩

录用类别：Regular Paper

论文简介：受益于深度学习技术的突破，传统的图像检索任务的精度也大幅提升，这进一步加速了基于深度学习的图像检索技术的落地及应用，如疫情下的戴口罩人脸匹配、在线购物的商品匹配等场景，而当前的检索系统往往是有安全漏洞的，该论文提出了一种针对图像检索检索系统DPQN的对抗样本生成方法，并从信息论的角度进一步证明了该生成方式的最优性。大量实验表明，我们的方法可以成功地创建对抗样本来成功误导目标DPQN，从而为当今主流的图像检索系统提供丰富的安全预案。

一作简介：陈斌助理教授2021年1月毕业于清华大学计算机科学与技术专业，后于清华大学深圳国际研究生院从事博士后研究工作，2021年12月以助理教授身份加入哈尔滨工业大学（深圳）计算机科学与技术学院，主要研究兴趣包括信息论与编码理论、人工智能等方向。陈斌博士在TIT、TCOM、TPAMI等顶级期刊和AAAI、ACM MM、ACM DAC等知名会议上发表学术论文40余篇，主持广东省粤深联合青年基金1项，获“清华大学计算机系优秀博士毕业生”， “中国电子学会信息论分会优秀博士论文（年度唯一）”，“深圳市人工智能学会优秀博士论文”等荣誉称号。（审核 王宇宁、卢光明）