1

新型流密碼算法設計研究

針對當前主流的流密碼算法，分析主要組件的密碼性質和實現效率優化情況，提出安全高效的主要組件新模型，?? 設計新的流密碼算法。

鐘江華

2

多服務器隱私信息檢索方案新型結果驗證技術研究

針對多服務器隱私信息檢索方案中部分服務器惡意參與方案執行提供錯誤應答的問題設計新型快速驗證技術，確保客戶端所提取結果的完整性，為此類方案在云計算等場景下的應用提供增強的安全保證。

王麗萍

3

輸入錯誤容忍的口令認證研究

針對輸入錯誤容忍背景下口令認證系統面臨的安全威脅，從密碼協議的角度，探索合法用戶使用存在微小輸入錯誤的口令進行登錄的可行性，以期在不顯著降低系統的安全性的同時，大大提高口令認證的可用性。

陳馳

4

面向機器學習的快速同態計算方法

針對機器學習中大量函數難以用多項式有效逼近的問題，研究基于自舉算法的同態密文計算方法，通過設計更為高效的函數自舉算法，實現對復雜函數的快速同態計算。

王晗

5

面向行為分析的智能惡意文件檢測技術研究

針對當前惡意文件功能日益復雜、惡意代碼隱蔽性大幅增強、不同惡意文件間逐步呈現高關聯性給傳統惡意文件分析技術帶來的壓力與挑戰，研究并提出面向行為分析的智能化惡意文件檢測框架，突破惡意文件精準、全面、高效識別的技術瓶頸

陳愷/梁瑞剛

6

分布式可信模型及關鍵機制研究

針對當前可信計算中心驗證節點在大規模網絡應用時存在性能瓶的問題，研究面向物聯網、車聯網等網絡的分布式可信模型，針對可信報告存儲、動態網絡的高效可信驗證等方面開展研究，為可信網絡的構建提供技術支撐。

陳愷/梁瑞剛

7

算力網絡環境下的分布式數據安全聚合算法

針對典型分布式計算場景，尤其是多地域節點協同計算時的數據安全聚合需求，研究高精度、高效率、高安全性的多節點數據聚合算法，解決現有數據加密聚合算法在準確度、效率以及應用規模方面的不足。
研究1）矩陣的自適應向量特征提取與降維技術。多節點協同計算任務產生的數據在結構上往往具有相同的稀疏性，可以通過設計通用的變換矩陣對數據進行無損變換，降低數據大小，提高傳輸效率，在不損害最終聚合精度的同時滿足安全聚合需求。2）面向矩陣加密和壓縮的向量剪枝技術。多節點協同計算任務產生的數據中，存在部分數據對最終聚合效果貢獻極小，但在隱私安全中比較重要，通過設計特定剪枝方案，將這部分數據進行剔除，從而在不降低精度的同時，提高安全性以及聚合效率。3）基于矢量量化的超高壓縮率矩陣壓縮方案。在面對超大規模的聚合場景時，提出注重效率的超高壓縮率矩陣壓縮方案，使用矢量量化進行數據壓縮，同時可以進行高效，安全地聚合。4）基于敏感度感知的自適應誤差回傳方案。在面對不同精度要求的復雜場景下，研究開發自適應誤差回傳技術，通過分析原始數據和壓縮后數據的殘差，提取殘差中較為重要的部分進行回傳，從而提高精度。

侯銳

8

持久內存高效安全保障技術研究

持久內存相比傳統內存有著存儲密度高、靜態功耗低、數據非易失等優勢，有望用于構建大內存系統以滿足AI大模型等新興應用的需求。針對持久內存安全保障開銷大的問題，從安全保障延遲隱藏、元數據緩存管理、安全元數據布局等層面，研究并提出持久內存高效安全保障方法，為構建高效安全的大內存系統提供技術支撐。

張江偉

9

稀疏移動群智感知中的隱私安全關鍵技術研究

針對當前稀疏移動群智感知數據低秩冗余、海量豐富、質量參差等特征，研究成本-質量高效的，具有隱私保護效用以及對惡意攻擊穩健的稀疏移動群智感知關鍵技術，為移動群智感知的高效性和安全性提供技術支持。

王志偉

10

生物信息隱私計算技術研究

針對生物信息分析過程中如何保護用戶隱私數據的問題，從用戶數據上傳、計算流程處理、生成結果保存、文件分發下載等環節為切入點，研究計算分析全流程安全可信環境構建方法，為生物信息隱私計算提供技術支撐。

趙路坦

11

基于處理器芯片的內存漏洞防御技術研究

針對差異化的內存漏洞攻擊鏈，通過抽象攻擊鏈中共性關鍵步驟構建通用攻擊模型，從微體系結構層面挖掘該模型中訪存指令的惡意行為特征，提出一套基于訪存指令安全約束的片上內存漏洞防御方案。

李沛南

12

自動駕駛感知系統高遷移性對抗樣本生成技術研究

針對當前主流的自動駕駛系統，研究面向多模態感知與融合感知，包括語音感知模型、攝像頭感知模型和LiDAR感知模型的物理對抗攻擊魯棒性提升技術，生成高遷移性對抗樣本，實現自動駕駛感知系統魯棒性物理對抗攻擊。

陳愷/趙月

13

面向預訓練模型下游任務的可遷移后門技術研究

基于模型編輯技術，研究低成本、可遷移的后門攻擊方法，實現針對下游任務的輕量級高效后門嵌入

孟國柱

14

基于同態加密和多方安全計算的AI隱私推理系統優化研究

針對AI系統中模型推理可能存在的隱私泄露問題，通過引入同態加密和多方安全計算等安全技術，對推理過程中的數據和模型進行隱私保護。同時，研究如何優化推理系統的計算速度和通信效率，以提高系統的性能和安全性。

張江偉

15

聯邦學習隱私計算及博弈優化研究

針對當前聯邦學習面臨的安全功能可組合性不足、隱私協議質效難均衡、激勵相容優化困難等問題，從聯邦學習的可組合安全模型、數據和模型隱私協議機制、高穩健博弈優化方法等方面，提出聯邦學習的可組合安全機制與理性協議優化機制，為大數據安全融合與利用提供技術支撐。

陳馳

16

機器學習模型完整性保護與驗證方法

基于密碼技術研究機器學習模型的完整性保護與驗證方法，保護模型自身安全性，證明其準確性和預測效果，研究基于安全多方計算技術的機器學習完整性驗證方法，為機器學習安全性保護提供理論方法和關鍵技術。

陳馳

17

惡意安全高效的大模型安全推理技術研究

大模型安全推理是當前安全多方計算實用化最具挑戰性的任務之一，計算代價大、通信開銷高，多方惡意安全下的方案性能更難以接受；針對上述挑戰，研究高效的基礎惡意安全多方計算協議，研究高性能的矩陣乘、比較、排序、非線性函數評估等面向機器學習的安全計算協議，研究基于GPU加速的機器學習安全推理方案；實現一套安全高效的機器學習（包括傳統機器學習模型、神經網絡和圖文/語言大模型等）推理平臺，為行業（政務、電力、醫療等）數據安全共享利用提供技術支撐。

陳小軍

18

推薦系統中數據隱私保護關鍵技術研究

結合推薦系統的特性，綜合利用不同數據隱私保護策略（例如安全多方計算、差分隱私和同態加密）研究并提出滿足數據隱私保護需求的個性化推薦模型框架、算法和優化策略，從而有效權衡用戶的個性化推薦需求和數據隱私保護需求，為增強推薦系統的數據安全性提供支撐。

侯銳

19

GPU漏洞分析及利用

挖掘主流商用GPU的硬件安全漏洞，尤其是動態電壓頻率調整機制對于GPU安全性的影響，并設計自動化或半自動化的分析方法。在此基礎上，進一步研究GPU安全漏洞對大模型推理及訓練安全性、隱私保護能力的影響。

侯銳