• 1

师资队伍

师资队伍

当前位置: 学院首页 > 师资队伍 > 正文

​陈艺芳(硕士生导师)

时间:2023年06月09日 18:49

研究方向:数字媒体(图像、视频等)取证、Deepfake检测、人工智能、深度学习、模式识别、多媒体信息处理等

办公邮箱:chenyf@gpnu.edu.cn

个人简介:

陈艺芳,博士/副教授,硕士生导师(网络与信息安全专业硕士生导师)。2020年毕业于中山大学,获工学博士学位。2019/09–2020/09,获国家留学基金委资助在加拿大英属哥伦比亚大学(University of British Columbia, UBC)访学。

长期从事多媒体信息安全方面的研究,包括人工智能和深度学习新方法及其在数字媒体(图像、视频等)信息取证中的应用研究。在领域权威期刊及会议上发表学术论文20余篇,其中,以第一作者/通讯作者发表中科院二区Top及以上论文三篇;在IEEE Journal of Selected Topics in Signal Processing期刊(中科院一区Top)发表的论文获得第一届中国图像图形学会中国媒体取证与安全大会最佳论文报告奖。多次参加ICASSP、IH&MMSec、ICME、EUSIPCO等顶级国际会议,研究成果在国际会议MICCIS 2025上获得最佳论文奖。近年来,主持多项科研项目,包括国家自然科学基金青年基金项目、广州市科技局项目等;作为骨干成员参与国家自然科学基金项目两项和省部级项目三项。

学术兼职(或社会兼职):

IEEE Signal Processing Letter、ICASSP、IH&MMSec等国际期刊与会议的审稿人。

主要荣誉:

论文报告“Automated Design of Neural Network Architectures with Reinforcement Learning for Detection of Global Manipulations”获得第一届中国图像图形学会中国媒体取证与安全大会最佳论文报告奖。

代表性科研项目:

1.主持:国家自然科学青年科学基金项目,多源异构融合的图像篡改取证方法研究(项目编号:62102100)。

2. 主持:广州市科技计划项目,基于跨域深度特征的图像篡改取证技术研究(项目编号:202201011258)。

3. 参与:国家自然科学基金面上项目,深度伪造视频取证理论与方法的研究(项目编号:62072484)。

4. 参与:国家自然科学基金面上项目,基于信道信息和深度学习的隐写侦测及其博弈模型研究(项目编号:61772571)。

代表性论文:

[1] Y. Chen, W. Yin, A. Luo, J. Yang, J. Wang, “Improving the Generalization and Robustness of Computer-Generated Image Detection Based on Contrastive Learning”, International Journal of Intelligent Systems, 2025. (SCI,中科院二区Top)

[2] Y. Chen, Z. Wang, Z. J. Wang, X. Kang, “Automated Design of Neural Network Architectures with Reinforcement Learning for Detection of Global Manipulations”, IEEE Journal of Selected Topics in Signal Processing, 14(5), pp. 997-1011, 2020. (SCI,中科院一区Top )

[3] J. Yang, Y. Liao, F. Shang, X. Kang, Y. Chen*(通讯作者), Y. Q. Shi, “JPEG Image Steganography With Automatic Embedding Cost Learning”, International Journal of Intelligent Systems, 2025. (SCI,中科院二区Top)

[4] J. Yang, A. Xie, T. Mai, Y. Chen*(通讯作者), “DFST-UNet: Dual-domain Fusion Swin Transformer U-Net for Image Forgery Localization”, Entropy, 27(5), 2025. (SCI,中科院三区)

[5] Y. Chen, X. Kang, Y. Q. Shi, Z. J. Wang, “A Multi-Purpose Image Forensic Method Using Densely Connected Convolutional Neural Networks”, Journal of Real-Time Image Processing, 16(3), pp. 725-740, 2019. (SCI,中科院三区)