对抗样本（Adversarial Examples）是通过对向自然数据中添加难以察觉的噪声，导致深度神经网络对其误分类（而人类依然能够正确分类），可以使得经过良好训练的神经网络的准确率降为0，从而在医学，金融和自动驾驶等应用中导致严重的安全问题。到目前为止，对抗训练是赋予深度神经网络对抗鲁棒性最有效的方法。

2021年10月，智东西公开课教研团队重磅推出「对抗鲁棒性研讨会」。本次研讨会将在10月18日晚7点、10月21日晚7点各进行一场，并由日本理化学研究所张景锋博士，香港浸会大学研究助理高瑞泽、香港浸会大学在读博士朱嘉宁，新加坡国立大学在读博士严汉书、新加坡国立大学在读博士徐曦烈，以及美国威斯康辛麦迪逊分校在读博士杜学峰六位主讲人分别带来直播讲解，主讲他们在鲁棒性网络结构、对抗鲁棒性和标签噪音结合，以及利用统计假设检验检测对抗样本上的最新探索。

研讨会是智东西公开课新上线的一档课程产品，采用出品人机制运作。智东西公开课教研团队将邀请优秀的研究人员、开发者作为出品人进行研讨会的开发。作为研讨会的首个作品，「对抗鲁棒性研讨会」是由日本理化学研究所-创新智能综合研究中心(RIKEN-AIP)特别研究员张景锋以及其学术研究团队担任出品人完成开发。

本次研讨会包含主讲和问答两个部分，其中主讲环节60分钟，将在智东西公开课直播间进行；问答环节30分钟，将在主讲群通过文字或语音的形式进行。