研究深度神经全生命周期安全，针对后门触发、对抗攻击、模型窃取等安全威胁，聚焦深度网络的危险性、脆弱性、黑盒，突破阶段耦合的后门攻击防御、数据受限的对抗扰动防御、分布泛化的梯度混淆防御，支撑模型安全训练、推理、部署。
研究多媒体深度伪造的鲁棒检测，突破多视角/多模态特征融合、高泛化性检测、持续学习等技术，设计高鲁棒性的深度伪造检测模型，有效提高对深度伪造图像、音频、视频的检测性能，为网络信息安全提供强有力的技术支撑。
研究面向漏洞的智能化检测技术，围绕大语言模型驱动的数据挖掘、注释树增强与漏洞检测方法开展关键技术攻关，支撑自动化漏洞检测系统的研制与实际应用。
