来源：市场资讯
（来源：中国图像图形学会CSIG）
中国图像图形学会博士/硕士学位论文激励计划旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。
为宣传科技工作者积极进取的工作精神，分享获奖人的科研故事，本期推文我们独家对话2025年度CSIG硕士学位论文激励计划入选者冯宇，听他讲述科研路上的坚守与成长，以榜样之力，赴创新之约。
问题一：感谢您接受CSIG专访，请先进行一下自我介绍：
我是冯宇，目前在悉尼大学攻读计算机博士学位，导师为蔡卫东教授。此前，我在西北工业大学完成了本科及硕士学业，导师为夏勇教授。我的研究兴趣主要聚焦于可信人工智能方面，重点关注后门攻防技术以及安全护栏模型。目前，我以第一作者（含共一）身份在 CVPR、IEEE TIP 及 Pattern Recognition 等顶尖平台发表了 3 篇学术论文，并受邀担任 CVPR、ICCV 等多个国际权威会议与期刊的审稿人。
问题二：在科研过程中，有没有什么好的方法可以推荐给大家？
在科研过程中，我感触最深的是“综合调研”与“快速验证”：
综合调研：不要只盯着最新的几篇论文，要通过溯源阅读构建出该方向的发展脉络。此外也不要限制思路在单一领域，有的时候类似方向在其他领域的发展也能有启发性。
快速验证：科研中 80% 的想法可能被推翻，如果脑内有 idea 的时候，一定要尽快通过小规模实验进行可行性验证，之后再一步步进行方案优化。
问题三：请对您的论文进行简要介绍：
我的硕士论文研究核心是构建可信、稳健的医学影像 AI 系统。 主要工作包括：
攻击方面：揭示了时域触发器在医学场景下隐蔽性差的问题，提出了基于频域的统一后门攻击算法，证明了医学影像模型面临的潜在威胁。该成果发表于 CVPR 2022。
防御方面：针对后门检测难点，提出了对比神经元剪枝算法，利用特征空间异常分布精准去除后门神经元，实现模型净化。该成果发表于 IEEE-TIP。
此外我还针对医学图像联邦学习框架中的数据异质性问题展开研究，提出了联邦自适应重加权框架，在聚合中自适应融合数据量与模型性能，显著提升模型泛化与稳健性。该成果已发表在 Pattern Recognition。
问题四：请问您在论文筹备过程中遇到最大的挑战是什么？是怎样克服的呢？
最大的挑战在于医学图像的特殊性与模型安全性之间的平衡。医学图像对像素语义极为敏感，传统的后门攻击极易产生伪影，并干扰正常的语义信息。我当时陷入了时域修改的死胡同，后来通过跨领域阅读，尝试从领域自适应的频域角度切入。通过反复实验，最终发现频域微扰能更好地维持医学图像的病理特征，从而实现了隐蔽的后门攻击。
问题五：请问您有什么获奖感言呢？
首先要特别感谢我的两位导师。感谢夏勇教授带我跨入科研大门，深厚的学术造诣和求真务实的科研精神，让我打下了扎实的学术底子。同时也感谢蔡卫东教授在博士阶段给予我自由探索的空间和国际化的科研平台。此外，衷心感谢中国图像图形学会（CSIG）给予我的荣誉与认可。最后，感谢所有其他合作者在我求学路上的帮助，我将不断积累科研成果并持续推进研究，争取早日学成归国。
热门跟贴