7月10日,2025.全球AI攻防挑战赛正式启动选手招募,邀请国内外的AI安全攻防精英参与全模态的AI攻防实战演练。本次大赛将重点关注数字身份交互认证安全,特别是在生活、金融和健康等场景下的应用。比赛分为图片、视频和音频三个赛道,采用攻防闭环的赛程设计,打破传统的静态攻防模式,推动安全技术的持续进化和发展。
赛事由中国图象图形学学会、蚂蚁集团、云安全联盟CSA大中华区联合主办,上海人工智能实验室、清华大学、浙江大学、上海交通大学、复旦大学、湖南大学、北京科技大学、蚂蚁消金、阿里云天池等二十余家顶尖科研院校和机构共同发起,为2025 Inclusion·外滩大会科技智能创新赛在“AI安全”领域的赛事单元。
全球AI攻防挑战赛启动仪式现场
随着大模型的爆发式应用,AI技术已渗透金融交易、医疗诊断、智能终端语音交互的每个角落。技术的进步伴随着风险的加剧,数据显示,全球范围内检测到的深度伪造事件,在2022年到2023年间增长了10倍,传统的数字化身份验证技术已无法满足当下需要。
行业专家指出,传统数字化身份验证技术主要依赖静态的证件核验与密码认证,通过比对预存信息与输入数据完成身份真实性判定。在数字金融、远程医疗、智能终端语音交互、智能驾驶、跨境政务等新型交互场景中,身份认证需求正从单点静态验证向全链路动态评估跃迁,智能体的交互形态也正从"单一指令响应"向"持续情境化服务"演进。同时,随着AI的技术发展,黑产利用生成式AI技术构建智能体数字克隆生态,形成立体化攻击矩阵,使得用户遭受深度伪造身份攻击。
“AI技术迅猛发展进程中,AI伪造技术也呈现出快速发展的态势,这其实是一场不断升级的‘技术赛’,因此提升行业的AI攻防技术水平,提高公众的AI安全素养,建立起一道‘全民防火墙’迫在眉睫,这也是大赛举办的初衷。”全球AI攻防挑战赛组织委员会主席、中国图象图形学学会副理事长兼秘书长、北京科技大学教授马惠敏介绍道。
全球AI攻防挑战赛分别设置了图片全要素交互认证场景、AI视频智能交互认证场景、泛终端智能语音交互认证场景,通过“攻防闭环”设计,攻击方与防御方分别需要“用AI对抗AI”。
具体来说,在生成环节,参赛队伍需按照规定通过AI生成图像、高逼真的视频样本及根据给定的文本和音色生成对应的伪造语音,以攻击防伪模型;在检测环节,主办方将开放涵盖多模态伪造手段的大规模数据集,参赛队伍在给定的大规模篡改数据集上进行模型研发,精准识别视频中的伪造信息,并在复杂测试集上验证模型的实际防御能力。
全球AI攻防挑战赛组织委员会主席、蚂蚁集团大安全副总裁邵晓东表示:“我们在生活、金融、健康等最需要关注数字身份AI安全的的场景设置赛题,希望通过比赛能够集结全社会的力量,共同为当下和未来的AI安全,打上强力的‘预防针’,构建一条坚固的、智能化的防线,推动安全技术进化,筑牢可信AI生态的关键力量。”
大赛在“金融聚能 智汇山城——AI领创企业重庆行暨西部金融中心之夜”活动启动,重庆作为消费金融的发展高地,也将运用大赛成果助力西部金融中心建设,提升重庆在AI安全创新领域的行业及国际影响力。
2025·全球AI攻防挑战赛启动选手招募
大赛于7月10日正式启动报名,8月27日完成赛事评审。即日起,选手可通过2025 Inclusion·外滩大会官网、全球AI攻防挑战赛官网、中国图象图形学学会官网、阿里云天池平台官网等渠道报名。
大赛全程设有高额科技奖金池,用以选拔及表彰领域内的优秀人才。去年,来自全球18个国家和地区的2700多个赛队、3200余名技术精英参与了大赛。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。