联邦学习（Federated Learning, FL）作为一种隐私保护的分布式学习范式，允许客户端在不共享本地数据的情况下协作训练全局模型，广泛应用于金融、物联网和医疗等领域。然而，传统联邦学习假设客户端数据的标签分布是静态的，而真实场景中客户端数据往往随时间持续出现新类别（如移动设备不断采集新数据），这催生了联邦类增量学习（Federated Class Incremental Learning, FCIL）的新需求。FCIL要求模型在客户端持续学习新类别...

​  网络空间安全研究院的“超大规模多领域融合联邦靶场关键技术及系统”项目荣获2023年国家科学进步二等奖。  网络空间安全研究院团队瞄准国家安全重大战略需求，成功研制了国内首个超大规模跨域融合的联邦靶场，由1个主靶场和93个分靶场组成，地域覆盖全国29个省市自治区，行业覆盖互联网、能源、交通、通信、国防等关键信息基础设施，形成了国家实验室和领域协同攻关的大型科学装置研制生态。该成果已在多个重要领域取得广泛...

​  网络空间安全研究院的“大规模网络安全态势分析关键技术及系统YHSAS”项目荣获国家科学技术进步二等奖。  项目组提出了融合内存计算、分布计算和流计算的大数据实时分析平台，率先实现了PB级网络安全数据在线复杂分析，提出了结合多维度、多层次威胁检测的全要素信息采集方法，实现了面向全网络深层攻击监测的全信息采集；提出了支持大规模网络安全知识表示和管理的超知识图谱技术，使系统的安全事件检测率达到了世界领先水...

​网络空间安全研究院的“多维关联认知模型及其在XXX中的应用”项目荣获2022年国防技术发明奖一等奖。（审核  廖清

网络空间安全研究院的“大规模网络仿真验证平台(鹏城靶场)关键技术与系统”项目荣获2022年度广东省科技进步一等奖。网络仿真平台(网络靶场)是网络空间安全研究的大型科学装置，服务于网络安全技术研究、网络安全能力评测、攻防技术演练和网络新技术验证等国家重大需求，是各国在网络空间安全领域竞争激烈的技术高地。该项目历时10余年，突破了目标网络仿真、网络互联、攻击检测与研判、安全能力评估等一系列关键技术，成功研制...

 网络空间安全研究院的“多层次金融风险智能预警关键技术及其应用”项目荣获2022年度广东省科技进步一等奖。该项目解决了金融风险预警行业关键共性技术难题，在国家金融风险防控等重点领域发挥了重要作用，对打造金融风险防范的“广东样板”，保障我国金融安全具有重大意义。项目核心技术“大规模风险传导推演”和“多风险干预策略求解方法”是基于博弈决策技术结合平安经济金融场景形成的创新突破。（审核  廖清