百度飞桨拍了拍你，「AI工程师的夏天」出道福利助你登上人生巅峰！
2020-07-28 13:34:54395人阅读
只要你是企业在职开发者，只要你的业务场景可使用飞桨且可行性高，就有机会“逐梦”这个夏天，评选“优秀报告”成功出道！
AI，你准备好了吗？ — 非对抗下的真实威胁
2020-06-30 15:56:328913人阅读
6月29日-7月2日在西班牙召开的 International Conference on Dependable Systems and Networks (DSN 2020)会议上, 来自百度安全对于深度神经网络（DNN）模型安全性的研究Quantifying DNN Model Robustness to theReal-World Threats成功入选。
逛商场不再排队测温 百度AI测温落地北京14家华联BHG购物中心
2020-06-10 12:02:162217人阅读
继先后落地交通枢纽、商业楼宇、中小学校，支持复工复产与平安复课之后。日前，百度AI测温系统在北京华联商厦股份有限公司在北京所属的14家购物中心完成部署并在五一小长假期间投入运行，助力北京华联实现在疫情防控常态化阶段的大规模客流快速体温检测。
百度AI测温落地北京八宝山等近20处墓园 守护祭扫高峰第一道关卡
2020-04-08 14:20:0712800人阅读
百度将继续以自身的AI能力为基础，支持相关部门开展防控工作，助力企事业单位复工复产，巩固我国在抗击疫情中所取得的重要成果。
上班第一天 百度AI测温系统上镜新闻联播
2020-02-11 13:00:313076人阅读
2月10日晚间，在全国大部分地区节后开工首日的央视新闻联播节目中，部署在北京清河站的百度AI测温系统上镜，成为全国以科技创新力量助力疫情防控的典型代表。
AI助力疫情防控，国家人工智能标准化总体组成员单位在行动
2020-02-10 17:57:012393人阅读
近日，国家人工智能标准化总体组秘书处（中国电子技术标准化研究院）在成员单位的支持下，收集汇聚了第一批34款有助于疫情防控的人工智能产品和解决方案，积极为疫情防控工作提供科技支撑服务。
百度AI多人体温检测方案落地北京清河火车站 助力疫情防控
2020-02-02 21:20:152754人阅读
百度正在把拥有的领先AI技术投入到新型冠状病毒疫情防控中。近日，北京清河火车站落地应用了百度的AI多人体温快速检测解决方案，助力遏制疫情在公共场所的的传播。
百度11月信息安全治理：百度网盘协助警方破获侵权盗版犯罪案件
2020-01-10 18:19:413646人阅读
12月24日，百度发布11月信息安全综合治理月报，向网民周知百度在处理网络虚假有害信息、保护网民权益方面的相关行动和信息。
机器学习隐私风险及防护技术研究
2019-12-12 16:28:226036人阅读
随着AI成为新一代关键技术趋势，围绕着AI的服务也越来越普及。但是，随之而来的AI服务隐私泄露风险也日益突显，主要表现在：模型预测服务（白盒or 黑盒）存在泄露训练数据隐私的风险；模型本身在预测服务过程中存在泄露的风险。这些风险不仅会危及到用户敏感数据的安全，还会为AI云服务商带来巨大的经济损失。
复旦大学杨珉：AI重构安全边界移动生态系统安全设计需改变“黑客视角”
2019-11-18 17:47:106836人阅读
在百度安全承办的天府杯AI安全论坛，杨珉教授分享了对于移动生态系统安全的新思考。
AI安全对抗赛：愿你的人工智能不被变为人工智障
2019-11-13 15:31:314909人阅读
2016年，Alpha Go战胜李世石，人工智能开始为大众所知。而在计算机视觉领域有个著名的数据集ImageNet，是一个用于测试计算机视觉系统识别能力的“题库”，这些题目使用人去做识别，错误率为5.1%左右。
【议程出炉】联合复旦大学、四叶草安全，天府杯百度AI安全分论坛本周开幕！
2019-11-13 14:36:264027人阅读
11月16日至17日，一年一度的天府杯“2019国际网络安全大赛暨2019天府国际网络安全高峰论坛”将在蓉城举行。立足国内外网络安全产业发展最新态势，聚焦西南地区引领网络安全产业发展所面临的机遇和挑战，各界安全专家将展开为期两日的分享与讨论，共商解决方案，共谋合作之道。
全国信安标委首次发布《人工智能安全标准化白皮书》 百度安全AI模型安全解决方案亮相
2019-11-04 13:52:463441人阅读
日前，全国信息安全标准化技术委员会（简称：全国信安标委），首次正式发布《人工智能安全标准化白皮书（2019版）》（以下简称：《白皮书》）。
聚焦HITB CyberWeek 2019 ：云端黑盒模型安全伪命题？攻击只需2步！
2019-11-04 13:39:143197人阅读
深度学习模型容易受到对抗样本（Adversarial Examples）的攻击，这在业内已不是新鲜事。“白盒攻击”中，攻击者往往提前知晓模型的架构和参数，既而针对性的生成“对抗样本”，诱导模型“指数为马”、无中生有，甚至做出攻击者预设的判别结果。
