网络空间安全学院成立以来，不断强化科研团队建设，加强对外学术交流，以前沿创新为驱动，开展有组织科研，产生了一系列高水平成果，包括人工智能国际顶会AAAI 2026论文1篇、中国科学院一区期刊论文2篇、CCF B类期刊等论文多篇，涵盖AI安全、恶意代码检测、智能电网安全等前沿方向。
一、人工智能安全方向，破解推荐偏差难题
推荐系统作为人工智能落地的重要场景，其自监督学习中的采样偏差问题长期制约着模型性能的提升。我院刘军平教授团队针对这一难题，开展了系统深入的研究，成果《MACRec: A Multi-View Subspace Alignment Framework for Contrastive Sampling Calibration in Recommendation》被人工智能国际顶级会议 AAAI Conference on Artificial Intelligence 2026（AAAI 2026） 接收。该研究针对图对比学习（Graph Contrastive Learning, GCL）在推荐系统中的采样偏差问题，提出一种全新的多视图子空间对齐框架MACRec，通过多层次子空间学习和行为信号引导的对齐机制，实现对比采样的自动校准。该研究为图对比学习在推荐系统中的采样校准提供了一种新的解决思路，为构建更鲁棒、更精准的自监督推荐模型奠定了基础。
二、恶意代码分析方向，攻防并重
移动互联网时代，安卓平台恶意软件层出不穷，如何高效检测并抵御对抗性攻击是网络安全领域的热点与难点。我院汤俊伟博士在该方向作为第一作者发表两项优秀成果。 《HHGDroid: Hybrid Heterogeneous Graph-Based Android Malware Detection via Multi-Evidence Similarity Fusion》发表于Expert Systems with Applications（中国科学院一区）。该工作提出一种混合异构图实现多证据相似度融合Android恶意应用检测。《Dapadv: Differentiated adversarial perturbation generation method in problem space for android malware detection》发表于Computers & Security期刊（CCF B）。论文提出一种针对问题空间的对抗扰动生成方法，评估对抗样本对已有基于学习的检测器准确率的影响。
三、软件安全测试方向，让DNN测试更可控
随着人工智能系统在各行各业的深度应用，其自身鲁棒性评估成为保障系统安全的关键环节。我院叶傲霜博士提出一种基于流形覆盖引导的可控扩散模糊测试框架CtrlFuzz，论文《CtrlFuzz: A controllable diffusion-based fuzz testing for deep neural networks via coverage-aware manifold guidance》被Information and Software Technology（CCF B）期刊接收。该框架利用流形学习将高维输入嵌入到低维欧几里得空间中，同时保留其几何结构。改进了深度神经网络测试的全面性和有效性，为未来鲁棒性评估框架提供了有前景的发展方向。
四、开源软件漏洞检测方向，在代码集成前拦截风险
开源软件的广泛应用带来了快速迭代的同时，也增加了漏洞引入的风险。我院唐奔霄博士研发了一款通过静态分析检测待提交补丁安全风险的工具CAPRA，成果《CAPRA: Context-Aware Patch Risk Assessment for Detecting Immature Vulnerability in Open-Source Software》发表于Computers & Security（CCF B）期刊。该工具可在代码集成前识别出潜在的内存泄漏和“使用后释放”（Use-After-Free）漏洞。实验证实了该工具在快速迭代的协作项目中，通过精准、早期的漏洞检测，有效提升代码审查流程的可行性。
五、智能电网与车联网安全方向，护航关键信息基础设施
朱飞副教授在智能电网安全与车联网安全两个领域取得重要进展。在智能电网方向，成果《Lightweight Privacy-Friendly Aggregation Scheme Against Internal Attacks for Smart Grids》发表于IEEE Transactions on Industrial Informatics（中国科学院一区），提出一种无配对、无需指数运算的证书无关方案PPDA，在资源受限的智能电表端计算开销极具竞争力。在车联网安全方向，成果《On the Security of a Blockchain-Based Certificateless Anonymous Aggregate Signcryption Scheme for Edge Computing》发表于IEEE Transactions on Vehicular Technology，该成果引入哈希函数的改进方案，解决了车联网区块链签密方案中恶意攻击者可伪造任意车辆签名的安全漏洞。
未来，网络空间安全专业将继续以学科建设为核心、科研创新为动力，持续深耕网络安全、数据安全、AI安全等前沿领域，不断提升基础研究与应用创新能力，积极推动科研成果转化落地，以高质量科研赋能高质量人才培养，为网络空间安全行业发展与国家网络安全人才建设贡献更多高校力量。