文章总结： 武汉大学国家网络安全学院论文被NeurIPS2025录用。研究针对梯度平滑中超参数设定引入额外噪声的问题，提出AdaptGrad自适应采样降噪方法。实验表明其能有效消除噪声，提升模型解释的可视化效果，代码已开源，可作为提升可解释性的实用方案。 综合评分： 72 文章分类： AI安全

武汉大学 | 国家网络安全学院研究生成果被人工智能领域国际顶级会议 NeurIPS 2025 录用

信息网络安全杂志

2026年1月10日 17:00 上海

全文共993字，阅读大约需要3分钟

近日，国家网络安全学院2024级博士生周林江作为第一作者、马超老师作为共同第一作者撰写的论文被人工智能三大顶会NeurIPS（Neural Information Processing Systems）2025录用。

论文题目为“AdaptGrad: Adaptive Sampling to Reduce Noise”（《AdaptGrad：自适应采样降噪方法》），指导老师为武汉大学国际网络安全学院石小川教授（通讯作者）、吴黎兵教授。国家网络安全学院2024级博士生王泽鹏参与了该成果的研究工作。

梯度平滑是一种有效降低基于梯度的模型解释方法中噪声的技术。SmoothGrad通过添加高斯噪声来缓解大部分此类噪声，但该方法中的关键超参数——高斯噪声的方差σ，通常需手动设定或采用启发式方法确定，这导致平滑后的梯度仍包含由平滑过程引入的额外噪声。

图1 AdaptGrad方法去噪效果对比图

图2 AdaptGrad论文在NeurIPS会议展示

该论文旨在分析该噪声及其与SmoothGrad平滑过程中越界采样的关联性，并基于此提出AdaptGrad——一种通过控制越界采样来最小化噪声的自适应梯度平滑方法。定性与定量的综合实验表明，相较于基线方法，AdaptGrad能有效消除原始梯度中几乎全部噪声。该方法简洁通用，可作为提升基于梯度的可解释性方法的实用解决方案，从而获得更清晰的可视化效果。该论文的所有代码开源于https://github.com/AiShare-WHU/AdaptGrad。

据悉，本届NeurIPS会议于2025年12月2日-7日在美国加州圣地亚哥和2025年11月30日-12月5日在墨西哥墨西哥城举办。NeurIPS会议成立于1987年，是历史最悠久的学术会议之一，与ICML、ICLR会议并称为国际公认的人工智能领域的“三大顶级学术会议”，也是中国计算机学会（CCF）推荐的A类会议。NeurIPS本届平均录用率为25.8%，录用论文代表着人工智能领域的最前沿学术研究成果。

END

来源 | 武汉大学

往期精彩回顾

从竞赛“练兵场”到人才“孵化器”: 湖南大学、复旦大学、四川大学、西安邮电大学引领塑造网络安全新生力 “五色石”计划下，东南大学网络安全人才培养模式创新“密码”揭秘

“网安+法学”双学位  |  看南开大学、东南大学、重庆邮电大学在新赛道上加速跑

“实战派”网安人才培养新范式，看上海交大、暨南大学、湖南大学如何转变模式锻造网安实战人才

守护语音安全: 华中科技大学CPSS团队如何打造Anti-Deepfake系统斩获创意作品赛冠军？

信息网络安全

《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。

中文核心期刊

中国科技核心期刊

中国科学引文数据库来源期刊

CCF计算领域高质量科技期刊

我们在不断努力和完善中，期待您的关注和支持！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息网络安全杂志 《武汉大学 | 国家网络安全学院研究生成果被人工智能领域国际顶级会议 NeurIPS 2025 录用》