物联网安全与联邦学习前沿技术研讨

1. 学术研讨活动概述

2026年3月18日，第217期方班学术研讨厅在广州大学黄埔研究生院B2栋成功举办。本次活动由广州大学网络空间安全学院主办，汇集了该领域的多位知名专家学者。网络空间安全学院名誉院长方滨兴教授领衔的导师团队，包括主点评吴世忠教授、黄兴忠教授、周万雷教授等12位资深专家全程参与指导。活动吸引了网络空间安全学院部分教师及方班八期全体学生的积极参与。

本次研讨活动采用分组汇报形式，将28位报告人划分为7个小组进行学术交流。每个小组由4位同学组成，围绕网络安全、人工智能、大数据等前沿技术领域展开深入探讨。活动从下午6点持续至晚上9点半，共计3.5小时，为师生们提供了一场高质量的学术盛宴。

2. 研讨内容技术解析

2.1 物联网安全与漏洞检测

黄志豪同学的报告《更快更好：通过优化的覆盖定义分析检测基于Linux的物联网固件中的漏洞》提出了针对IoT设备的新型漏洞检测方法。该方法创新性地采用多维度交叉验证策略，突破了传统单一分析模式的局限。其技术核心在于：

• 优化的覆盖定义算法：通过重构代码覆盖指标，提升漏洞检测的精准度
• 跨版本固件比对：建立漏洞特征库，实现已知漏洞的快速匹配
• 动态符号执行：结合模糊测试技术，发现潜在未知漏洞

专家建议指出，当前研究的样本覆盖范围仍显不足，未来可扩展至更多IoT设备类型和架构，以增强方法的普适性。

2.2 联邦学习安全优化

匡宇涛同学的《异构边缘计算下可配置可靠性的安全联邦学习研究》针对分布式机器学习中的安全问题提出了创新解决方案。关键技术亮点包括：

• 动态可靠性配置机制：根据节点可信度自适应调整聚合权重
• 多维度攻击检测：识别协同投毒、梯度篡改等复杂攻击模式
• 轻量级加密协议：在保证隐私的前提下降低通信开销

李奇恒同学的《AdaptiveShield：去中心化联邦学习中投毒攻击的动态防御》则进一步提出了针对投毒攻击的三层防御体系：

1. 异常梯度检测层：基于统计分析的初步过滤
2. 动态信任评估层：建立节点行为画像
3. 自适应聚合层：根据实时评估调整聚合策略

2.3 智能合约与区块链安全

陈禹辰同学的《联盟链中的一种运动目标DDoS防御方法》创新性地将移动目标防御(MTD)理念引入区块链领域。方案特点：

• 动态节点伪装：定期变更节点网络标识
• 强化学习调度：使用DQN算法优化防御策略
• 价值感知保护：重点防护高价值智能合约

楚文龙同学的《穿透敌意：通过跨合约分析检测去中心化金融协议漏洞》则开发了新型DeFi安全检测工具，其技术路线包括：

• 符号执行引擎：追踪资金流路径
• 上下文敏感分析：识别跨合约调用风险
• 模式匹配算法：检测已知漏洞变种

3. 人工智能前沿应用

3.1 大语言模型优化

方嘉嘉同学的《Perses：通过可扩展异构性解锁小型LLM的权限提升》研究了如何增强小型语言模型的能力。关键技术突破：

• 异构提示工程：设计多样化提示模板
• 监督者模块：动态评估和修正模型输出
• 知识蒸馏技术：从大型模型迁移能力

孙维政同学的《SGLang：结构化语言模型程序的高效执行》则提出了新型语言模型编程范式：

• 声明式DSL：简化复杂提示工程
• 执行计划优化：自动并行化处理
• 内存高效管理：减少显存占用

3.2 多模态与视觉技术

吴杰霖同学的《视觉语言模型的联邦多模态视觉提示调优》探索了分布式环境下的模型微调方法：

• 参数高效微调：仅更新少量适配器参数
• 跨模态对齐：保持视觉-语言语义一致
• 差分隐私保护：防止数据泄露

李路路同学的《AIGI-Holmes：通过多模态大型语言模型实现可解释和可推广的AI生成图像检测》则构建了AI生成图像的识别系统：

• 多模态特征提取：融合像素级和语义级线索
• 可解释性分析：可视化决策依据
• 领域自适应：提升跨数据集的泛化能力

4. 系统与网络优化

4.1 高性能计算架构

江宇同学的《MixNet：为大规模MoE训练设定的运行时可配置光电架构》设计了面向专家混合模型的新型网络架构：

• 光电混合互连：结合光电路交换和电分组交换
• 动态资源分配：根据流量模式调整链路带宽
• 成本感知调度：平衡性能和能耗

吴俊霖同学的《InfiniteHBD：利用光电路交换收发器为大语言模型构建数据中心级高带宽域》则提出了LLM训练通信优化方案：

• 集中式光交换：突破机柜物理限制
• 拓扑抽象层：解耦逻辑和物理拓扑
• AllReduce加速：优化集体通信操作

4.2 边缘计算与分布式系统

李小鑫同学的《TraDE：动态环境下基于"网络"和"流量"感知的微服务自适应调度》开发了云原生环境下的智能调度器：

• 多维感知：监控网络状态和服务质量
• 动态容器编排：实时调整部署策略
• 负载均衡算法：考虑微服务依赖关系

郭子晖同学的《ADAMAS:云服务系统中自适应领域感知性能异常检测》则构建了云平台监控系统：

• 领域知识图谱：建模服务组件关系
• 时序模式挖掘：识别异常征兆
• 根因定位：基于依赖关系的溯源分析

5. 研讨成果与专家建议

5.1 研究方法改进建议

多位专家针对学术研究的方法论提出了宝贵建议：

1. 样本代表性：扩大实验数据集，增强结论可信度（黄志豪、郭子晖）
2. 对比实验：增加与SOTA方法的全面对比（陈梓铭、王柏涛）
3. 理论深度：加强数学推导和形式化证明（孙业铖、林江山）
4. 可解释性：提供更直观的决策依据（李路路、吴杰霖）

5.2 学术表达优化建议

在学术展示方面，专家们强调了以下要点：

• 逻辑连贯性：明确问题-方法-结果的叙事线索（李逛、刘张裕）
• 技术深度：避免停留在表面，深入核心创新点（石东东、李靖韬）
• 可视化辅助：使用图表简化复杂概念（陈禹辰、钟彧）
• 术语解释：首次出现的缩写需明确说明（楚文龙、吴杰霖）

5.3 未来研究方向

基于本次研讨内容，专家们指出了多个有价值的后续研究方向：

1. 跨域安全：探索AI与网络安全交叉领域（方滨兴）
2. 绿色计算：优化大模型能耗效率（孙凝晖）
3. 可信AI：增强算法的公平性和鲁棒性（王文敏）
4. 边缘智能：推动分布式机器学习落地（李建新）

6. 活动组织与参与体验

6.1 创新组织形式

本次研讨活动采用了多项创新组织方式：

• 分组轮换：7个小组并行汇报，最大化交流机会
• 多导师点评：12位专家从不同角度提供反馈
• 跨年级参与：促进高低年级学生经验传承
• 线上存档：完整保留报告资料供后续学习

6.2 学生收获反馈

参与学生普遍反映收获颇丰：
"专家点评直指研究痛点，为后续改进指明方向"（黄骏）
"跨领域报告拓展了学术视野"（孙维政）
"实战化的交流显著提升表达能力"（匡宇涛）

6.3 持续改进计划

根据本次活动经验，组织方计划：

1. 增加会前培训：提升报告质量
2. 优化时间分配：确保充分讨论
3. 加强后续跟踪：督促改进落实
4. 扩展交流平台：建立常态化机制

本次方班学术研讨厅的成功举办，充分展示了广州大学网络空间安全学院在前沿技术领域的科研实力，也为师生交流搭建了高效平台。通过深入的技术探讨和建设性的专业指导，参与者不仅提升了研究水平，更建立了宝贵的学术网络，为未来的科研合作奠定了基础。