1. 可信AI赋能网络安全

利用可信AI技术分析和提升多种网络安全应用中智能算法的可信性和可靠性，解决以大模型为代表的AI技术在安全实践中的痛点问题，实现内生安全的智能监测与防御，具体包括：

- AI可解释性，如全局解释、局部解释（CCS’21, CCS’24）

- AI鲁棒性，如对抗样本、分布泛化（JSAC’21, NDSS’23a, NDSS’23b, Arxiv’24a）

- LLM赋能安全分析（NOMS’25）

2. 异常检测与态势感知

利用大数据和人工智能方法对网络空间中流量、日志、事件等海量多源异构数据进行分析，从中识别与分析特定行为、异常数据和攻击威胁，具体包括

- 网络侧，如流量分析、网站指纹、入侵检测（IM’21, NOMS’24, CN’24, Arxiv’24b）

- 主机侧，如溯源图分析、系统日志分析（TIFS’22, RAID’24, ISCC’23）

3. 网络测量与安全防御

针对网络空间中多种协议、架构和设备进行测量与测绘，深入分析网络空间行为特征和潜在安全风险；基于零信任理念构建新一代网络安全防护体系

- 地址空间测绘、网络测量分析（IFIP Networking’23, NDSS’22, 计算机学报’24）

- 零信任安全