团队简介：
团队成立于2019年，现有成员20余人，其中正教授3人，副教授4人，博士3人，研究生16人。专注于系统安全分析与威胁检测领域的前沿研究，致力于网络攻击溯源算法、智能威胁识别模型、动态防御策略优化等核心方向的探索，并推动人工智能与传统安全技术的深度融合。团队在工业控制、金融科技和物联网等领域开展了卓有成效的应用基础研究，为解决关键基础设施防护、数据资产安全、供应链风险管控等行业关键问题提供了创新性解决方案。团队由高素质科研人员组成，涵盖网络安全、人工智能、数据科学和行业应用等多学科背景，形成了跨领域协作的研究体系。团队近年来取得了一系列重要成果：承担国家级项目10项、省部级项目16项；发表学术论文40余篇（其中SCI论文30余篇，中科院一、二区论文20余篇）；授权发明专利30余件；荣获四川省科学技术进步二等奖3项，三等奖2项。
国家自然科学基金项目:（项目批准号：62102049）
面向信息物理系统的APT攻击智能深度检测研究
项目概况：
本项目主要从APT攻击信息物理系统（CPS，Cyber-Physical Systems）的内在机理和过程规律进行研究，建立一套适用于信息物理系统的APT攻击通用模型，用以指导信息物理系统中APT检测方案的制定和关键事件的分析；并提出一种面向信息物理系统的APT攻击智能深度检测方法，结合信息物理系统各个器件的状态信息、日志数据和通信数据对APT攻击回溯，同时对重要的敏感数据进行隐写保护，最终达到提升国家关键基础设施的防护能力。
四川省自然科学基金项目:（项目批准号：2025ZNSFSC0507）
面向具身智能的网络攻击检测与模型鲁棒性研究
项目概况：
该项目研究具身智能中的网络攻击检测、故障预测和认知模型对抗攻击问题，为具身智能的安全防护提供全方位的技术支持，并提升国家关键基础设施的防护能力，确保在遭遇网络攻击时能够迅速做出应对，避免严重的社会动荡或经济损失。
论文成果1：2025年发表于Engineering Applications of Artificial Intelligence(IF=7.7，中科院一区TOP，JCR1区）期刊。成果提出了一种面向物联网与机器学习的服务组合集成方法，增加了监督学习、强化学习、集成学习和深度学习在物联网中的应用，以及分析了每种技术在优化服务组合方面都具有独特的优势和挑战。
论文信息：The applications of machine learning mechanisms in the compositions of internet of things services: A systematic study, current progress, and future research agenda, Engineering Applications of Artificial Intelligence, VOL. 147, 2025.https://doi.org/10.1016/j.engappai.2025.11034
论文成果2：2024年发表于IEEE Network(IF=6.3，中科院一区，JCR1区）的论文“An Adversarial Example Defense Algorithm for Intelligent Driving e”，本成果提出了一种结合生成对抗网络和自编码器的新型防御策略，使用微网络结构对分类模型和鉴别器模型进行了压缩，重新构建了生成器模型和自编码器模型，从而提升对抗样本防御的效果。
论文信息：An Adversarial Example Defense Algorithm for Intelligent Driving,IEEE Network,VOL.24,2024. DOI: 10.1109/MNET.2024.3392582
论文成果3：2025年发表于COMPUTERS & SECURITY(IF=5.4，中科院二区，JCR1区)期刊。成果提出了一种基于时间序列的对抗性攻击框架(TSAF)
该框架能根据模型损失进行迭代更新，同时还能降低僵尸网络、暴力破解、端口扫描和Web攻击检测器的准确率和召回率，以及降低DDoS流量的检测性能。
论文信息：Adversarial attacks based on time-series features for traffic detection ,
COMPUTERS & SECURITY, VOL. 148, 2024. DOI: 10.1016/j.cose.2024.104
