为了营造良好的学术创新氛围，提高学生的学习兴趣和学术创新参与率，活跃学术思想，引发学术争鸣，促进学术交流。6月14日下午，由计通学院2020级研究生蔡竹斌、孔新新、陈会锋主讲的学术报告会，在云塘校区文科楼E区103室成功开展，2020级全体研究生到会参加。

第一场学术报告由蔡竹斌向我们讲述。为了无限廉价计算和存储资源，很多公司和用户都将他们的私有数据外包给云，由此也引发了一系列安全问题，为了保证用户的隐私数据不被恶意的窃取，传统的手段是对数据内容进行加密。而在大数据与云计算等应用场景中，仅通过加密并不能完全保护用户的隐私，传统加密只能保证数据内容的机密性，却很难保证数据查询隐私信息不被泄露。数据查询隐私主要指的是搜索模式和访问模式，也就是指相同关键词的提交频率和相同地址的访问频率。本次报告向我们介绍了隐私保护领域中保护访问模式的一种重要技术-不经意随机访问机，并分享近期关于前后向隐私不经意随机访问机的研究进展。

接下来，孔新新以一种6D分数阶忆阻Hopfield神经网络及其在图像加密中的应用为主题，由近年来，混沌系统研究现状入题，向我们展开介绍了其论文的方法。混沌被广泛应用于安全通信、电子电路、随机数发生器和图像加密。由于分数阶混沌系统下一状态的值不仅与当前状态有关，而且与之前的所有状态有关，因此其动态特性比整数阶混沌系统更为复杂。随着研究的深入，研究人员在神经网络模型中加入分数阶，发现其结果更接近人脑神经元的活动，从而扩展了分数阶神经网络系统的应用领域。其文章提出了一种新的忆阻器模型，并将其应用于分数阶Hopfield神经网络(FHNN)，研究其分叉和共存等动态特性。此外，将新提出的分数忆阻器Hopfield神经网络(FMHN)也应用于图像加密领域。

最后一场报告中，陈会锋的报告主题为带四次非线性忆阻的新型多卷神经网络的动态分析及其在医学数字图像水印中的应用。忆阻器因其在生物神经活动模拟方面的优良特性而被广泛应用于各种神经仿生模型中。其文章采用分段非线性函数对四次忆阻进行变换，并将其引入具有自反馈的三值Hopfield神经网络中，建立了一种分段四次多涡旋记忆混沌神经网络模型。通过仿真分析发现，涡旋层数随忆阻参数变化，多涡旋吸引子共存，初值灵敏度高。利用其优良的不可预测性，改进了一种基于小波变换的数字水印算法，并将其应用于个人医疗数据的保护。结果表明，该方法不仅提高了加密的保密性和便捷性，而且保证了其鲁棒性，具有良好的加密效果。

作为在读研究生，他们逻辑清晰、思维缜密，在座的师生对其前沿的研究思想啧啧称叹。这次报告会在营造学术氛围、激发学术创新、拓展学术视野、促进学术交流发挥了重要作用。

(文/何浩波 图/姚佳艺 审/易亭亭)