《长夜难明》出版于2017年，是紫金陈社会派推理作品三部曲的最后一部。后于2020年改编电视剧《沉默的真相》。虽然是推理小说，但本书一反常态的总是将罪犯的所作所为先展现出来，然后再描写警方的行动，即先知道结果再讲述推演过程。作为一部社会派推理小说，作者想表达并非推理的步骤，而是借推理过程映射出社会中存在的现象与问题。本书讲述了一批富有正义感的人为了揭露杭市最大企业卡恩集团与地方政府、黑社会勾结，诱骗未成年少女为政府官员提供性服务并借此牟利的犯罪行为，付出了青春、事业、名声、前途、家庭甚至生命的感人故事，但结局却与他们的预期大相径庭。
《长夜难明》读书笔记
Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN 研读报告
中文译名“基于GAN生成针对黑盒攻击的恶意软件对抗样本”。近年来，机器学习算法被用于检测未知恶意软件。相对的攻击者也想尽办法攻击这种新的防御系统。恶意软件制作者通常无法访问机器学习模型的详细结构与参数，因此他们只能执行黑盒攻击。本文提出了一种基于生成对抗网络（GAN）的算法——MalGAN，该算法能使恶意软件绕过黑盒机器学习检测。其使用替代检测器配合黑盒模型训练GAN，通过最大程度减少替代检测器对对抗样本的恶意预测概率，生成可绕过黑盒模型的对抗样本。本课题由北京大学机器感知与智能教育部重点实验室谭营团队研究完成。
Generating Adversarial Examples with Adversarial Networks 研读报告
中文译名：“利用对抗网络生成对抗样本”。研究发现深度神经网络（DNN）容易受到对抗性样攻击。对抗样本指在神经网络的输入中添加精心构造的微小扰动，这种对抗样本会导致DNN错误。虽然已经提出了多种产生对抗样本的方案，但如何高效的在黑盒环境下产生对抗样本，仍然需要更深入的研究。本文借助生成对抗网络（GAN），通过学习并将对抗样本分布逼近目标类别样本分布，以达到高准确率、自动化产生对抗样本的效果。本工作由Chaowei Xiao在京东公司与加州大学伯克利分校合作完成，论文发表于IJCAI2018。
《罪与罚》读书笔记
《罪与罚》出版于1866年，是一部关于心理学与社会学的小说。与陀思妥耶夫斯基的多数小说一样，《罪与罚》也是一本有着大量心里描写的意识流小说。小说主要描写主角对于“超人”这一概念的提出与理解，即一个认识到新的“真理”的人，可以像当年拿破仑、凯撒大帝一样超越一切旧世界的道德、良心与法律为所欲为，拥有制裁恶人、奖励善人的至高权力。本书讲述了一个年轻大学生由于认为自己是一个“超人”而对一个放高利贷的老太太进行制裁的故事。书中细致入微的描写了主角从杀人前到认罪后整个犯罪心路历程，并以此引出了关于引发犯罪的社会诱因等相关讨论。
Practical Traffic-space Adversarial Attacks on Learning-based NIDSs 研读报告
中文译名：“实际流量空间中基于机器学习入侵检测系统的对抗攻击”。越来越多的网络入侵检测系统（NIDS）开始引入机器学习技术，以检测未知攻击。但是机器学习已被发现极易受到对抗攻击，这对基于机器学习的网络入侵检测系（ML-NIDS）统带来了潜在威胁。在目前的环境下有关传统的基于签名的NIDS相关研究不再有效，而ML-NIDS的相关研究还主要集中于白盒检测和特征维度，对于黑盒ML-NIDS的研究基本上未得到开发。为弥补这一缺陷，本课题对实际流量空间中基于机器学习入侵检测系统的对抗攻击进行研究。本工作由清华大学网络科学与网络空间研究院王之梁团队研究完成。