研究more
1.软件缺陷分析与漏洞挖掘。在模糊测试方面提出自适应变异调度（AMSFuzz，ESWA 2022）、多目标优化种子调度（MooFuzz，Mathematics 2021）、UAF漏洞测试器（Mathematics 2024）；路径发现加速（AFLTurbo，ISSRE 2020）、操作导向时间分配（OTA，SANER 2021）、AcoFuzz自适应能量分配（ICSTW 2022）等方法；污点分析方面提出优化敏感数据追踪方法（EffiTaint，TrustCom 2024）；二进制分析方面进行了数据表示上的改进，提出了跨架构双向树结构嵌入（Lanstree，CANS 2025）、改进了图注意力网络（BSGAT，PRDC 2023）等；漏洞根因方面，提出增强型统计根因分析（Sanitizer，ICST 2024）；虚拟化漏洞方面，提出了QEMU USB设备黑盒逃逸漏洞检测方法（HITBSECCONF 2021）；参与了面向应用与库的全函数模糊测试（AFGen，IEEE S&P 2024）的研究。研究成果还应用在第九届“强网杯”（2025）“行业领域专项赛-漏洞智能分析赛道”，获全国二等奖一项（奖金5万元）、优秀奖一项。
2. 公钥密码方案与安全协议研究。围绕公钥加密等值测试（PKEET）提出系列方案：无证书PKEET（Information Sciences 2018）、PKEET/IBE/签密的通用构造（Information Sciences 2018）、支持灵活授权的无配对PKEET（Computer Communications 2021）、基于数据戳的授权机制（Theoretical Computer Science 2021）、身份基匹配加密等值测试（Entropy 2024）等；提出用对称加密与椭圆曲线替代双线性配对提升计算效率的方案（EPKEET-FA，MoMM 2026）；提出身份基代理匹配加密用于云匿名消息系统（Journal of Systems Architecture 2023）；分析了医疗无线传感器网络中无证书聚合签名方案的安全性（The Computer Journal 2024）；还针对无证书签密、无泄漏身份基签名、匿名HIBE等方案进行了安全性分析（The Computer Journal、Computers & Security等，2015–2021）。
3. AI系统与LLM基础设施安全。系统研究LLM服务框架中的缓存安全威胁，发现六种新型攻击向量，涉及vLLM、SGLang、GPTCache等主流框架，发现多个现实漏洞并获厂商致谢（NDSS 2026）。参与揭示AI服务媒体预处理管线中的语义鸿沟问题（ACM CCS 2026）。目前团队专注于进行AI系统、LLM基础设施、Agent等相关安全研究，成果持续服务工业界。
4.软件供应链与生态安全。参与面向npm、PyPI、Maven、Go、NuGet、Cargo等软件源的大规模性系统性实证研究（IEEE S&P 2023），该研究共识别出12个攻击向量（6个首次披露）；提出恶意npm包自动检测方法（Maldet，TrustCom 2024）；面向Web3安全，提出Move智能合约函数可见性漏洞检测方法（FVscan，ICFTIC 2024）。
