- 应用图论/.刘缵武主编 长沙:,国防科技大学出版社:,2006
- 图论及其算法/.李明哲, 金俊, 石端银编著，北京:,机械工业出版社:,2010
- 复杂网络与大数据分析/.卜湛, 曹杰主编，北京:,清华大学出版社:,2019
- Networks: An Introduction, M. E. J. Newman, Oxford University Press, Oxford (2010)
- Complex Networks: Structure, Robustness and Function, Reuven Cohen and Shlomo Havlin, Cambridge University Press, Cambridge (2010). Quite a short book, but it covers most of the topics of the course, at least to some extent, and some others that are not in the book by Newman.
- Lectures on Complex Networks, S. N. Dorogovtsev, Oxford University Press, Oxford (2010). Very short – genuinely a set of lecture notes, rather than a full text.
- Network Science, A.-L. Barabasi, Cambridge University Press, Cambridge (2016). An undergraduate-level text on networks, this book is at a more elementary level than the course, but gives a nice introduction to some of the topics. It is available for free on the internet here.
- 密歇根大学：Network Theory by Mark Newman
- 乔治亚理工学院：CS 7280 Network Science: Methods and Applications by Constantine Dovrolis
- 西北大学：PHYS 5116: Complex Networks by Albert-László Barabási
- 纪守领, 杜天宇, 邓水光, 程鹏, 时杰, 杨珉, 李博, 深度学习模型鲁棒性研究综述, 计算机学报, 2021.(pdf)
- 崔建伟,赵哲,杜小勇.支撑机器学习的数据管理技术综述[J].软件学报,2021,32(03):604-621.
- 陈晋音,陈奕芃,陈一鸣,郑海斌,纪守领,时杰,程瑶.面向深度学习的公平性研究综述[J].计算机研究与发展,2021,58(02):264-280.
- 李欣姣,吴国伟,姚琳,张伟哲,张宾.机器学习安全攻击与防御机制研究进展和未来挑战[J].软件学报,2021,32(02):406-423.
- 李国良,周煊赫.面向AI的数据管理技术综述[J].软件学报,2021,32(01):21-40.
- 纪守领,杜天宇,李进锋,沈超,李博.机器学习模型安全与隐私研究综述[J].软件学报,2021,32(01):41-67.
- 魏立斐,陈聪聪,张蕾,李梦思,陈玉娇,王勤.机器学习的安全问题及隐私保护[J].计算机研究与发展,2020,57(10):2066-2085.
- 陈晋音,章燕,王雪柯,蔡鸿斌,王珏,纪守领.深度强化学习的攻防与安全性分析综述[J/OL].自动化学报:1-21[2021-04-03].https://doi.org/10.16383/j.aas.c200166.
- 陈珂锐,孟小峰.机器学习的可解释性[J].计算机研究与发展,2020,57(09):1971-1986.
- 成科扬,王宁,师文喜,詹永照.深度学习可解释性研究进展[J].计算机研究与发展,2020,57(06):1208-1217.
- 刘俊旭,孟小峰.机器学习的隐私保护研究综述[J].计算机研究与发展,2020,57(02):346-362.
- 何英哲,胡兴波,何锦雯,孟国柱,陈恺.机器学习系统的隐私和安全问题综述[J].计算机研究与发展,2019,56(10):2049-2070.
- 纪守领,李进锋,杜天宇,李博.机器学习模型可解释性方法、应用与安全研究综述[J].计算机研究与发展,2019,56(10):2071-2096.
- 陈宇飞,沈超,王骞,李琦,王聪,纪守领,李康,管晓宏.人工智能系统安全与隐私风险[J].计算机研究与发展,2019,56(10):2135-2150.
- 孟小峰,马超红,杨晨.机器学习化数据库系统研究综述[J].计算机研究与发展,2019,56(09):1803-1820.
- 舒娜,刘波,林伟伟,李鹏飞.分布式机器学习平台与算法综述[J].计算机科学,2019,46(03):9-18.
- Jian-hua LI.网络安全遇上人工智能:综述（英文）[J].Frontiers of Information Technology & Electronic Engineering,2018,19(12):1462-1475.
- 朱军,胡文波.贝叶斯机器学习前沿进展综述[J].计算机研究与发展,2015,52(01):16-26.
- [1]孔玮,刘云,李辉,王传旭.基于图卷积网络的行为识别方法综述[J/OL].控制与决策:1-10[2021-04-04].https://doi.org/10.13195/j.kzyjc.2020.0514.
- [2]祁志卫,王笳辉,岳昆,乔少杰,李劲.图嵌入方法与应用:研究综述[J].电子学报,2020,48(04):808-818.
- [3]徐冰冰,岑科廷,黄俊杰,沈华伟,程学旗.图卷积神经网络综述[J].计算机学报,2020,43(05):755-780.
如何学习密码学：https://mp.weixin.qq.com/s/aO-3At67XVjbvNCPIVS5fA
现代密码学
- 滑铁卢大学：A Course on Differential Privacy (差分隐私) by Gautam-Kamath
- 微软研究院：差分隐私公开课 Differential Privacy by Dwork
- 河南财经政法大学/香港理工大学/清华大学：差分隐私 part 1 by 张啸剑 /part 2 and part 3 by 叶青青、孙林
- 新加坡国立大学：差分隐私：原理、应用与展望 by 萧小奎
- 波士顿大学：Privacy in Statistics and Machine Learning by Adam Smith and Jonathan Ullman
-
杨强,刘洋,程勇,康焱, 陈天健,于涵. 联邦学习,北京: 电子工业出版社,2020.
-
彭南博, 王虎. 联邦学习技术及实战,北京: 电子工业出版社,2020.
-
浙江大学：解读联邦学习 by Tao Shen
-
浙江大学：联邦学习隐私保护 by 陈莫
-
南加州大学：FedML联邦机器学习框架 by 何朝阳
-
Stevens Institute of Technology: 联邦学习：技术角度的讲解 by Shusen Wang
- 周传鑫,孙奕,汪德刚,葛桦玮.联邦学习研究综述[J/OL].网络与信息安全学报:1-16[2021-04-03].http://kns.cnki.net/kcms/detail/10.1366.TP.20210324.1239.030.html.
- 杨庚,王周生.联邦学习中的隐私保护研究进展[J].南京邮电大学学报(自然科学版),2020,40(05):204-214.
- 陈兵,成翔,张佳乐,谢袁源.联邦学习安全与隐私保护综述[J].南京航空航天大学学报,2020,52(05):675-684.
- 周俊,方国英,吴楠.联邦学习安全与隐私保护研究综述[J].西华大学学报(自然科学版),2020,39(04):9-17.
- 潘如晟,韩东明,潘嘉铖,周舒悦,魏雅婷,梅鸿辉,陈为.联邦学习可视化:挑战与框架[J].计算机辅助设计与图形学学报,2020,32(04):513-519.
- 杨强.AI与数据隐私保护：联邦学习的破解之道[J].信息安全研究,2019,5(11):961-965.