出访人所著论文《A Blockchain Transaction Tracking Method Based on Dynamic Graph Link Prediction》（基于动态图链接预测的区块链交易追踪方法）和《M³Net: Multimodal-Feature-masked Networks for Fake News Detection》（M³Net:针对虚假新闻检测的多模态特征掩码网络）被国际学术会议KSEM2025录用。根据会议要求，所有被录用的论文需由作者参会并进行宣读，未被宣读的论文将不被会议论文集收录。 第一篇论文是出访人张科所著并进行宣读，其提出了一种基于动态图链接预测的交易追踪方法，以应对区块链匿名性带来的挑战，这种匿名性助长了洗钱、欺诈及其他非法活动。通过构建动态图交易图，并将时序图神经网络（Temporal Graph Neural Networks）与Transformer模型相结合，该方法能够有效预测交易链接并揭示潜在的交易关系。 第二篇论文是出访人张引所著并进行宣读，其针对多模态虚假新闻日益增长的社会危害，提出了一种新型多模态特征遮蔽网络用于虚假新闻检测，引入了一种可学习的维度遮蔽机制，自适应地筛除无关信息，缓解高维干扰问题。同时，设计了“两阶段训练策略”：先进行跨模态一致性检测，再进行新闻真伪分类，有效提升了检测效果。 出访人将全程参加KSEM的所有学术活动，并进行论文宣讲。本次出访将有助于推动我校通信和计算机学科的发展，进一步提升我校的国际知名度，符合学校、学院和学科发展的需要。 |
