

谭舜泉
Shunquan Tan
Professor at Shenzhen MSU-BIT University (SMBU)
深圳北理莫斯科大学工程系 教授、博士生导师
个人简介
谭舜泉,工学博士。男,44岁,深圳北理莫斯科大学教授、博士生导师。中国共产党党员,深圳市高层次专业人才,深圳市媒体信息内容安全重点实验室副主任,IEEE信息安全与取证技术委员会委员,中国图象图形学学会数字媒体取证与安全专委会委员。
主持国家自然科学基金面上项目2项,作为重要成员参与国家自然科学基金联合基金重点项目2项。任现职以来发表论文40多篇,其中第一/通信作者论文20多篇(中科院大类1区/CCF-A论文13篇)。过去五年Google Scholar引用2800多次,H指数26。最高单篇论文引用400多次,引用200次以上6篇。
Shunquan Tan, Ph.D. in Engineering, male, aged 44, is a Professor and Doctoral Supervisor at Shenzhen MSU-BIT University. A member of the Communist Party of China, he is recognized as a High-Level Professional Talent in Shenzhen. He serves as the Deputy Director of the Shenzhen Key Laboratory of Media Security, a member of the IEEE Technical Committee on Information Forensics and Security, and a member of the Digital Media Forensics and Security Committee of the China Society of Image and Graphics.
He has led two General Program projects funded by the National Natural Science Foundation of China (NSFC) and participated as a key member in two NSFC Key Joint Fund projects. Since assuming his current position, he has published over 40 academic papers, including more than 20 as first or corresponding author, with 13 papers in SCI Zone 1 or CCF-A journals. Over the past five years, his work has garnered over 2,800 citations on Google Scholar, with an H-index of 26. His most cited paper has over 400 citations, and six papers have exceeded 200 citations each.
研究方向
多媒体取证、多媒体安全、深度学习大模型安全
Multimedia Forensics, Multimedia Security, Security of Large-Scale Deep Learning Models
研究生招生方向
博士:计算机科学与技术
硕士:计算机科学与技术、计算机技术、人工智能
教育背景及访学经历
2005/10 - 2006/11,美国新泽西理工学院担任访问学者一年,合作导师:施云庆教授
2002/09 - 2007/07,中山大学,计算机科学系,博士(硕博连读),导师:黄继武教授
1998/09 - 2002/07,中山大学,科学计算与计算机应用系,学士
科研项目
1. 国家自然科学基金面上项目,“面向真实环境的轻量化鲁棒图像篡改取证研究”,(62272314)70.2万,2023.01-2026.12,(主持);
2. 国家自然科学基金面上项目,“基于张量分解框架的深度学习信息隐藏对抗研究”,(61772349),70.8万,2018.01-2021.12,(主持);
3. 国家自然科学基金联合基金项目重点支持项目,“社交网络虚假媒体内容检测关键技术的研究”,(U19B2022),304.8万,2020.01-2023.12,(排名第二);
4. 广东省重点领域研发计划“网络信息安全”重点专项开放课题“面向AI安全的伪造音视频取证分析关键技术”(2019B010139003),450万(其中深圳市配套150万),2019.1-2021.12(排名第二);
5. 国家自然科学基金——通用技术基础研究联合基金重点项目,“基于大数据的信息隐藏与对抗技术”,(U1636202),301.2万,2017.1-2020.12,(排名第四)
获奖
1. 黄继武,骆伟祺,李斌,谭舜泉,黄方军,中国计算机学会科学技术奖自然科学一等奖,信息隐藏理论与方法,2019.10,中国计算机学会
2. 李斌,陈昌盛,李昊东,谭舜泉,黄继武,中国图象图形学学会自然科学二等奖,面向图像鉴伪的弱信号表征,2024.11,中国图象图形学学会
3. 李斌,骆伟祺,谭舜泉,唐伟轩,黄继武,李霞,广东省计算机学会科学技术奖自然科学奖二等奖,图像隐写安全关键技术,2023.2,广东省计算机学会
4. 李斌,谭舜泉,唐伟轩,黄继武,李霞,深圳市科学技术奖自然科学奖二等奖,自适应信息隐写安全理论与方法,2022.10,深圳市科技创新委员会
代表性论文
1. Israr Hussain, Shunquan Tan*, and Jiwu Huang,Few-shot based learning recaptured image detection with multi-scale feature fusion and attention. Pattern Recognition, 161: 111248, 2025, SCI收录,中科院大类1区,TOP期刊
2. Israr Hussain, Shunquan Tan*, and Jiwu Huang, A semi-supervised deep learning approach for cropped image detection. Expert Systems with Applications, 243: 122832, 2024, SCI收录,中科院大类1区,TOP期刊
3. Rongxuan Peng, Shunquan Tan*, Xianbo Mo, Bin Li and Jiwu Huang, Employing reinforcement learning to construct a decision-making environment for image forgery localization, IEEE Transactions on Information Forensics and Security, 19:4820-4834,2024, SCI收录,中科院大类1区,TOP期刊,CCF A
4. Xianbo Mo, Shunquan Tan*, Bin Li, Jiwu Huang, Poster: Query-efficient black-box attack for image forgery localization via reinforcement learning, ACM CCS 2023 (poster), 3552-3554,2023, CCF A
5. 胡林辉,陈保营,谭舜泉*,李斌,基于Convnext-Upernet的图像篡改检测定位模型,计算机学报,46(10):2225-2239, 2023,计算领域高质量科技期刊T1,CCF A类中文科技期刊
6. Xianbo Mo, Shunquan Tan*, Weixuan Tang, Bin Li, Jiwu Huang, ReLOAD: Using reinforcement learning to optimize asymmetric distortion for additive steganography, IEEE Transactions on Information Forensics and Security ,18:1524-1538,2023, SCI收录,中科院大类1区,TOP期刊,CCF A
7. Shunquan Tan, Qiushi Li, Laiyuan Li, Bin Li, Jiwu Huang, STD-NET: Search of image steganalytic deep-learning architecture via hierarchical tensor decomposition, IEEE Transactions on Dependable and Secure Computing, 20(3):2657-2673,2023, SCI收录,中科院计算机:软件工程1区, CCF A,计算机科学与技术学科顶尖期刊
8. Long Zhuo, Shunquan Tan*, Bin Li. Jiwu Huang, Self-adversarial training incorporating forgery attention for image forgery localization, IEEE Transactions on Information Forensics and Security,17:819-834,2022, SCI收录,中科院大类1区,TOP期刊,CCFA
9. Qiushi Li, Shengda Chen, Shunquan Tan*, Bin Li, Jiwu Huang, One-class double compression detection of advanced videos based on simple Gaussian distribution model, IEEE Transactions on Circuits and Systems for Video Technology,32(4):2496-2500,2022, SCI收录,中科院大类1区,TOP期刊,CCFB
10. Xianbo Mo, Shunquan Tan*, Bin Li, Jiwu Huang, MCTSteg: A Monte Carlo tree search-based reinforcement learning framework for universal non-additive steganography, IEEE Transactions on Information Forensics and Security,16:4306-4320,2021, SCI收录,中科院大类1区,TOP期刊,CCF A
11. Shunquan Tan, Weilong Wu, Zilong Shao, Qiushi Li, Bin Li, Jiwu Huang, CALPANET: channel-pruning-assisted deep residual network for steganalysis of digital images, IEEE Transactions on Information Forensics and Security,16:131-146,2020, SCI收录,中科院大类1区,TOP期刊,CCF A
12. Jishen Zeng, Shunquan Tan*, Guangqing Liu, Bin Li, Jiwu Huang, WISERNet: wider separate-then-reunion network for steganalysis of color images, IEEE Transactions on Information Forensics and Security,14(10) 2735-2748,2019, SCI收录,中科院大类1区,TOP期刊,CCF A
13. Jishen Zeng, Shunquan Tan*, Bin Li, Jiwu Huang, Large-scale JPEG image steganalysis using hybrid deep-learning framework, IEEE Transactions on Information Forensics and Security , 13(5),1200-1214,2017, SCI收录,中科院大类1区,TOP期刊,CCF A
授权发明专利
1. 彭荣煊,谭舜泉,莫显博,李斌,黄继武,一种基于强化学习的图像篡改定位方法、系统及终端(ZL 202410300521.2), 2024.12, 中国
2. 谭舜泉,周子凌,李斌,黄继武,一种针对空域富模型的图像隐写分析模型的攻击方法(ZL 202110043110.6),2024.04,中国
3. 谭舜泉,关雨呈,李斌,黄继武,基于对抗网络的二值图像隐写方法(ZL 202011553884.5),2023.11,中国
4. 谭舜泉,陈奕邻,李斌,黄继武,一种图像安全取证模型生成方法、取证方法及电子设备(ZL202110043628.X),2023.08,中国
5. 曾吉申,谭舜泉,莫显博,李斌,黄继武,一种基于深度学习的视频取证方法(ZL201910082603.3),2023.07,中国
6. 李振军,陆芸婷,王昌伟,谭舜泉,基于区块链的消息加密传输方法、装置、设备及介质(ZL202210315005.8),2023.05,中国
7. 谭舜泉,吴威龙,邵子龙,李斌,黄继武,一种图像隐写分析方法、智能终端及存储介质(ZL201911387659.6),2023.05,中国
8. 谭舜泉,卓龙,李斌,黄继武, 基于图像生成网络模型的图像处理方法、系统及存储介质(ZL201911400233.X),2023.05,中国
9. 彭荣煊,莫显博,谭舜泉,李斌,黄继武,一种秘密图像无密钥提取方法及相关设备(ZL202210934604.8),2022.11,中国
10. 谭舜泉,李秋实,陈盛达,李斌,黄继武,一种视频重压缩检测方法、终端设备及存储介质(ZL202011619108.0),2022.07,中国
11. 谭舜泉,李振军,莫显博,欧培,隐藏模型训练及使用方法、装置和计算机可读存储介质(ZL201810555366.3),2022.05,中国
12. 谭舜泉,卓龙,李斌,黄继武,一种图象处理模型生成方法、智能终端及存储介质(ZL201911424964.8),2022.05
13. 谭舜泉,陈奕邻,李秋实,李斌,黄继武,一种基于Tucker分解的图像隐写分析方法及终端(ZL202110337203X),2021.07,中国
14. 曾吉申,谭舜泉,李斌,黄继武,一种基于深度学习模型的隐写图像检测方法及系统(ZL201610923908.9),2020.01,中国
15. 张浩杰,谭舜泉,李斌,黄继武,一种基于频域分析的图像隐写方法及系统(ZL201610653147X),2019.06,中国
16. 陈盛达,黄继武,谭舜泉,一种H264视频内容篡改检测方法(ZL201410395140.3),2018.04,中国
指导学生获奖
1. 陈涵,陈保营,胡彦杰,罗盛海,IJCB DFGC深度学习人脸篡改检测比赛冠军,2021.08
2. 陈保营,黄远坤,梅思玉,2021年中国图象图形学学会CSIG图象图形技术挑战赛多媒体伪造取证大赛音频赛道冠军,2021.07
3. 陈保营,庄培裕,黎思力,ECCV 2020 DeeperForensics Challenge冠军,2020.12
研究生招生
招生类型:
招收有志于从事科学研究和工程实践的学术型硕士、博士生以及专业型硕士生,研究方向包括计算机科学与技术、计算机技术和人工智能。
研究领域:
· 多媒体取证(图像、视频、音频篡改检测与定位)
· 多媒体安全(信息隐藏、隐写分析、伪造内容检测)
· 深度学习大模型安全(对抗攻防、可信AI、隐私保护)
招生要求:
1. 学术基础:
· 在高等数学、线性代数、概率论与数理统计、数值分析等课程中有扎实的基础。
· 熟悉计算机科学核心课程(如数据结构、算法设计、计算机视觉、机器学习等)。
2. 编程能力:
· 至少熟练掌握以下编程语言中的两门:Python、Matlab、C++ 或 Java。
· 有深度学习框架经验(如 PyTorch、TensorFlow)者优先。
3. 英语能力:
· 具备较强的英语听说读写能力,能够熟练阅读英文文献并撰写学术论文。
· CET-6 或同等水平,托福/雅思成绩优秀者优先。
4. 科研素质:
· 对多媒体取证、安全或深度学习领域有浓厚兴趣,愿意投入时间和精力钻研前沿问题。
· 具备严谨的科研态度,勇于面对挑战,能够承受科研中的失败与迭代。
· 有志于追求卓越,目标包括发表高水平论文(如中科院1区、CCF A类期刊/会议)、申请专利或参与国际竞赛。
5. 其他:
· 欢迎有志于毕业后进入高校、科研院所、知名企业(如华为、腾讯、字节跳动)从事研发工作,或计划出国深造攻读博士学位的学生。
· 不欢迎仅为获取学位而无心科研的学生。
备注:
· 优秀学生有机会参与国家自然科学基金项目、广东省重点研发计划等高水平科研项目,并与国内外顶尖团队合作。
· 鼓励学生参与国际学术会议(如 IEEE TIFS、ACM CCS)和竞赛(如 IJCB、ECCV),提升全球视野。
本科生招生
招生对象:
招收有志于继续深造(攻读硕士/博士学位)或参与高水平科研的1-3年级本科生,尤其欢迎计划在本科/硕士阶段后申请国外顶尖大学硕士/博士项目的学生。
研究领域:
· 多媒体取证与伪造检测(图像篡改、深度伪造分析)
· 多媒体安全(隐写、加密、内容保护)
· 深度学习与大模型安全(对抗样本、模型鲁棒性)
招生要求:
1. 学术基础:
· 数学相关课程(高等数学、线性代数、概率统计)成绩优异,GPA排名靠前。
· 修读或自学过以下课程者优先:算法与数据结构、计算机视觉、机器学习、Python/Matlab 编程。
2. 科研热情:
· 对多媒体取证或 AI 安全方向有浓厚兴趣,愿意将课余时间的 50%-70% 投入科研训练。
· 具备良好的时间管理能力,能够平衡学业与科研。
3. 编程能力:
· 熟练掌握至少一种编程语言(如 Python 或 C++)。
· 有简单项目经验(如图像处理、深度学习模型实现)者优先。
4. 英语能力:
· 具备良好的英文阅读能力,能够理解学术文献。
· 有志于提升英文写作与表达能力,未来参与国际交流。
5. 目标与态度:
· 有明确的科研目标,例如发表论文、参与竞赛、申请国内外研究生项目。
· 做事认真负责,愿意从基础做起,逐步成长为独立研究员。
培养计划:
· 科研训练:参与实验室项目(如图像篡改检测、隐写分析),学习深度学习模型设计与优化。
· 成果导向:优秀者可作为共同作者发表论文、申请专利,或参与国际学术会议/竞赛。
· 职业规划:为有志于深造的学生提供推荐信、科研指导,帮助申请国内外顶尖大学(如 MIT、Stanford、清华大学)。
备注:
· 本科生将接受系统化科研训练,包括文献阅读、实验设计、代码实现和论文写作。
· 欢迎对跨学科研究(如多媒体与区块链、AI与隐私)感兴趣的学生加入。