北京
來源：市場資訊
（來源：中國圖像圖形學會CSIG）
中國圖像圖形學會博士/碩士學位論文激勵計劃旨在推動中國圖像圖形學領域的科技進步，鼓勵創新性研究，促進青年人才成長。
為宣傳科技工作者積極進取的工作精神，分享獲獎人的科研故事，本期推文我們獨家對話2025年度CSIG碩士學位論文激勵計劃入選者馮宇，聽他講述科研路上的堅守與成長，以榜樣之力，赴創新之約。
問題一：感謝您接受CSIG專訪，請先進行一下自我介紹：
我是馮宇，目前在悉尼大學攻讀計算機博士學位，導師為蔡衛東教授。此前，我在西北工業大學完成了本科及碩士學業，導師為夏勇教授。我的研究興趣主要聚焦于可信人工智能方面，重點關注后門攻防技術以及安全護欄模型。目前，我以第一作者（含共一）身份在 CVPR、IEEE TIP 及 Pattern Recognition 等頂尖平臺發表了 3 篇學術論文，并受邀擔任 CVPR、ICCV 等多個國際權威會議與期刊的審稿人。
問題二：在科研過程中，有沒有什么好的方法可以推薦給大家？
在科研過程中，我感觸最深的是“綜合調研”與“快速驗證”：
綜合調研：不要只盯著最新的幾篇論文，要通過溯源閱讀構建出該方向的發展脈絡。此外也不要限制思路在單一領域，有的時候類似方向在其他領域的發展也能有啟發性。
快速驗證：科研中 80% 的想法可能被推翻，如果腦內有 idea 的時候，一定要盡快通過小規模實驗進行可行性驗證，之后再一步步進行方案優化。
問題三：請對您的論文進行簡要介紹：
我的碩士論文研究核心是構建可信、穩健的醫學影像 AI 系統。 主要工作包括：
攻擊方面：揭示了時域觸發器在醫學場景下隱蔽性差的問題，提出了基于頻域的統一后門攻擊算法，證明了醫學影像模型面臨的潛在威脅。該成果發表于 CVPR 2022。
防御方面：針對后門檢測難點，提出了對比神經元剪枝算法，利用特征空間異常分布精準去除后門神經元，實現模型凈化。該成果發表于 IEEE-TIP。
此外我還針對醫學圖像聯邦學習框架中的數據異質性問題展開研究，提出了聯邦自適應重加權框架，在聚合中自適應融合數據量與模型性能，顯著提升模型泛化與穩健性。該成果已發表在 Pattern Recognition。
問題四：請問您在論文籌備過程中遇到最大的挑戰是什么？是怎樣克服的呢？
最大的挑戰在于醫學圖像的特殊性與模型安全性之間的平衡。醫學圖像對像素語義極為敏感，傳統的后門攻擊極易產生偽影，并干擾正常的語義信息。我當時陷入了時域修改的死胡同，后來通過跨領域閱讀，嘗試從領域自適應的頻域角度切入。通過反復實驗，最終發現頻域微擾能更好地維持醫學圖像的病理特征，從而實現了隱蔽的后門攻擊。
問題五：請問您有什么獲獎感言呢？
首先要特別感謝我的兩位導師。感謝夏勇教授帶我跨入科研大門，深厚的學術造詣和求真務實的科研精神，讓我打下了扎實的學術底子。同時也感謝蔡衛東教授在博士階段給予我自由探索的空間和國際化的科研平臺。此外，衷心感謝中國圖像圖形學會（CSIG）給予我的榮譽與認可。最后，感謝所有其他合作者在我求學路上的幫助，我將不斷積累科研成果并持續推進研究，爭取早日學成歸國。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
