云边协同
云边协同 模型部署
这一领域主要研究云边协同的AI框架，嵌入系统训练、模型轻量化以及联合推理算法，旨在实现云服务器与边缘设备间AI推理任务在延迟、负载等指标的联合优化。一些正在进行的研究包括：(1)神经网络在边缘端的延时预测(2)动态系统的视频分析任务卸载(3)神经网络搜索(4)联邦学习竞价系统(5)云边协同的多模态3d目标检测系统
工业信息物理系统安全
这一领域主要研究工业互联网的安全性，利用机器学习进行工业信息物理系统异常检测，对态势数据进行理解并做预测。正在进行：(1)网络威胁分析（2）ICS安全。
人工智能与自动驾驶汽车
在这一交叉领域，我们研究如何使用AI技术来改善自动驾驶汽车系统，优化当前应用在自动驾驶汽车上的技术，另一方面，我们也研究自动驾驶汽车硬件及软件上的安全性，旨在通过AI的技术去增强自动驾驶汽车的安全性。常用的技术包括：元学习，深度学习，强化学习，深度强化学习。一些先前和正在进行的研究包括：（1）路径规划；（2）自动驾驶系统的安全性和隐私性；（3）安全的多方计算和学习；（4）图像处理；（5）数据驱动下的深度学习。
侧信道分析：
在这一领域我们研究对侧信道泄漏的相关信息进行攻击，利用机器学习进行设备的程序运行检测。一些正在进行的研究包括：（1）针对侧信道功耗泄漏的攻击研究（2）利用2D卷积神经网络（2D-CNN）进行图像处理和应用在线程序攻击。（3）基于功耗相关度的应用程序离线攻击。
人工智能和网络安全
在这一领域，我们研究雕刻机的安全，包括系统网络安全、数据安全、设备安全等。常用的技术包括机器学习（ML）、元学习以及其他相关技术。正在进行的研究：针对雕刻机场景的数据注入偏差入侵检测，攻击检测等使用机器学习方法、元学习框架学习。
工业互联网安全
在这一领域，我们研究工业设备的安全性问题。正在进行的研究：规划工业互联网安全态势感知平台。