2023年5月，中国计算机学会（CCF）推荐的A类国际学术会议 KDD2023论文接收结果公布，广东智慧教育研究院投稿的论文被顺利录取！

ACM SIGKDD国际会议（简称 KDD）是由ACM的数据挖掘及知识发现专委会主办的数据挖掘研究领域的顶级年会，属于CCF A类会议。KDD 2023是第二十九届国际数据挖掘会议，将于2023年8月6日至10日在美国加利福尼亚州长滩举行。往年数据如下：KDD 2022 Research track 共收到 1695 篇投稿，其中 254 篇被接收，接收率为 14.9%。此外，KDD 2022 Applied Data Science track 共收到 753 篇投稿，其中 195 篇被接收。整体统计来看，KDD 2022 的总体接收率为 18.3%（2448 篇投稿，449 篇接收）。

入选论文介绍

论文题目：How does the Memorization of Neural Networks Impact Adversarial Robust Models?

作者：许涵，刘孝睿，王文韬，刘子韬，Anil K. Jain，汤继良

通讯作者：刘子韬

论文概述：记忆是超参数深度神经网络(DNN)达到最优性能的一个必要因素。然而，经过对抗性训练的模型总是存在概括性差的问题，在测试集上的准确性和鲁棒性都比较低。在这项工作中，我们研究了在对抗性训练的DNN中记忆的效果，并披露了两个重要的发现：（a）记忆非典型样本只对提高DNN在非典型样本上的准确性有效，但很难提高其鲁棒性；（b）记忆某些非典型样本甚至会损害DNN在典型样本上的性能。基于这两个发现，我们提出了良性对抗训练（BAT），它可以促进对抗训练，以避免适应“有害”的非典型样本，并尽可能地适应更多的“良性”非典型样本。在我们的实验中，我们验证了BAT的有效性，并表明在图像分类的基准数据集中，它可以比基准方法实现更好的准确性与鲁棒性的权衡。