主要从事人工智能赋能网络安全与智能网络空间感知研究，围绕复杂网络环境下的安全检测、网络测量和基础设施安全等问题，探索利用人工智能、网络分析和主动测量技术提升网络空间感知与防御能力。
方向1. 智能网络安全检测
【核心问题】如何从看似正常的网络行为中发现隐藏的攻击？
随着网络攻击逐渐隐蔽化，攻击者可以利用加密通信、多阶段攻击链和正常网络服务隐藏真实意图，传统基于规则的检测方法面临挑战。
本方向研究如何从大规模、多源、加密网络数据中发现异常行为和攻击线索，重点关注：
加密流量分析与智能检测；
APT攻击行为发现与隐蔽信道检测；
物联网与无线网络安全防御。
相关成果发表于 USENIX Security、IEEE TDSC、NDSS等国际顶级会议和期刊，获得陕西省科技进步一等奖。
【典型案例】在智能家居环境中，即使Wi-Fi通信内容经过加密，攻击者仍可能通过分析无线信号特征识别设备类型、用户行为甚至推断隐私信息。针对这一问题，课题组提出AirMask无线指纹防御技术，通过主动扰动无线信号特征，降低设备指纹泄露风险，在不影响正常通信的情况下保护用户无线隐私。
方向2. 网络测量与智能感知
【核心问题】如何持续感知不断变化的全球互联网？
互联网规模不断扩大，设备、协议和服务持续演化，如何准确感知网络空间状态成为重要挑战。
本方向研究面向大规模网络空间的智能测量与分析方法，重点关注：
网络性能与用户体验感知；
互联网空间探测与基础设施测绘；
网络设备发现与行为分析。
相关成果发表于 IEEE TON、INFOCOM等国际顶级会议和期刊，获得华为难题火花奖。
【典型案例】互联网中存在大量未知设备、动态服务和隐蔽恶意基础设施，仅依靠单一观测方式难以全面感知网络状态。针对这一问题，课题组利用网络流量、DNS等多源观测数据分析网络行为，并通过IoT空间探测发现互联网设备与服务分布，进一步从大规模测量数据中识别僵尸网络等异常群体行为。相关技术已应用于全球范围木马、勒索病毒等恶意行为发现与追踪，以及通过被动测量的网络用户性能感知与优化，实现从网络观测、风险发现到智能决策的闭环支撑。
方向3. 网络基础设施安全
【核心问题】如何发现并防御针对互联网核心基础设施的新型攻击？
DNS、传输协议等基础设施支撑着互联网运行，但其开放性和复杂性也带来了新的安全风险。
本方向研究互联网核心协议中的安全问题，重点关注：
DNS攻击机理分析与风险测量；
反射放大攻击检测与防御；
新型网络协议安全。
代表性成果发表于 ACM CCS 、IEEE TON、TIFS等国际顶级安全会议，获得中国电子学会科技进步一等奖。
【典型案例】一次普通的域名查询，可能成为攻击全球互联网的“导火索”。针对DNS生态中的隐蔽风险，课题组发现 JanusAttack攻击方法：攻击者无需购买服务器、控制僵尸网络，仅通过注册一个免费域名并精心配置DNS记录，就能驱动互联网上大量开放解析器协同放大攻击流量，实现“人穷力不穷”的超大规模DDoS攻击。研究发现超过 25,000 个开放解析器存在风险，攻击倍率最高达到 670 万倍，相关漏洞已向DNS托管服务商和软件厂商披露，并推动互联网基础设施安全加固。
